ورود
مقالات فارسیISIکنفرانسهاژورنالها

یک الگوریتم جدید در خوشه بندی سریع داده های چند بعدی

محل انتشار: سومین همایش ملی مهندسی رایانه و مدیریت فناوری اطلاعات
سال انتشار: 1395
نوع سند: مقاله کنفرانسی
زبان: فارسی
مشاهده: 804

فایل این مقاله در 11 صفحه با فرمت PDF قابل دریافت می باشد

استخراج به نرم افزارهای پژوهشی:

لینک ثابت به این مقاله:
https://civilica.com/doc/513557

شناسه ملی سند علمی:

CSITM03_004

تاریخ نمایه سازی: 26 شهریور 1395

چکیده مقاله:

خوشه بندی فرایندی است که داده های باخواص مشابه را دسته بندی می کند و همچنین خوشه بندی زیر فضا فرایندی برای پیدا کردن خوشه ها در زیر فضا هایی از مجموعه داده هامی باشد.برخی از کاربردهای خوشه بندی داده ها با ابعاد بزرگ در زمینه های کاربردی مانند زیست شناسی،بینایی ماشین،نجوم و شبکه های اجتماعی می باشد. در این مقاله هدف یافتن یک الگوریتم بهینه در خوشه بندی داده های بزرگ است برای بهینه نمودن الگوریتم مسائل بهینه سازی ترکیبی مانند np-hard مطرح است.الگوریتم SUBSCALE در مقابل الگوریتم های خوشه بندی زیر فضا INSCY،CLIQUE،DBSCAN عملکرد خیلی بهتری برای دسته بندی مجموعه داده های با ابعاد بالا ازخود نشان می دهد. برای تجزیه و تحلیل داده ها و پیاده سازی روش پیشنهادی ازنرم افزار Matlab استفاده کرده ایم .

کلیدواژه ها:

نویسندگان

پروانه منصوری

عضو هیت علمی دانشگاه آزاد اسلامی واحد اراک ،گروه کامپیوتر

تورج مددزاده

دانشجوی کارشناسی ارشد مهندسی نرم افزار، دانشگاه آزاد اسلامی اراک

مراجع و منابع این مقاله:

لیست زیر مراجع و منابع استفاده شده در این مقاله را نمایش می دهد. این مراجع به صورت کاملا ماشینی و بر اساس هوش مصنوعی استخراج شده اند و لذا ممکن است دارای اشکالاتی باشند که به مرور زمان دقت استخراج این محتوا افزایش می یابد. مراجعی که مقالات مربوط به آنها در سیویلیکا نمایه شده و پیدا شده اند، به خود مقاله لینک شده اند :
  • Miller E, Ginnemann S, Assent I, Seidl T, Fنrber I ...
  • Barrett T, Wilhite SE, Ledoux P, Evangelista C, Kim IF, ...
  • Dewdney PE, Hall PJ, Schilizzi RT, Lazio TJLW (2009) The ...
  • Fan J, Han F, Liu H (2014) Challenges of big ...
  • Steinbach M. ErtzJL, Kumar V (2004) The challenges of clustering ...
  • Zhang T, Ramakrishnan R, Livny M (1996) BIRCH: _ efficient ...
  • Ester M, Kriegel H, Sander J, Xu X (1996) A ...
  • Bellman RE (1961) Adaptive control processes: a guided tour. Princeton ...
  • Beyer K, Goldstein J (1999) When is nearest neighbor meaningful? ...
  • Parsons L, Haque E, Liu H (2004) Subspace clustering for ...
  • Vidal R, Tron R, Hartley R (2008) Multiframe motion segmentation ...
  • Ginneman S, Boden B, Seidl T (2012) Finding density-based subspace ...
  • Assent I, Emmanuel M. Seidl T (2008) Inscy: Indexing subspace ...
  • A. Hinneburg, E. Hinneburg, D.A. Keim, An efficient approach to ...
  • Agrawal R, Gehrke J, Gunopulos D (1998) Automatic subspace clustering ...
  • Pedregosa F, Weiss R, Brucher M (2011) Scikit-learn: machine learning ...
  • Hall M, Frank E, Holmes G, Pfahringer B, Reutemann P, ...
  • Geiger A, Lenz P, Stiller C, Urtasun R (2013) Vision ...
  • Bileschi SM (2006) Streetscenes: Towards Scene Understanding in Still Images. ...
  • Zhu Jianqing, Liao Shengcai, Lei Zhen, Yi Dong, Li StanZ ...
  • B ache K, LichmanM (2006)UCI mac hinelearning epository. http://rchive. ics.uci.edu/ml ...
  • GitHub repository for SUBSCALE algorithm. https : /github. _ m/amk ...
  • Miller E, Ginnemann S, AssentI, Seidl T, Emmanuel M, Stephan ...
  • GitHub repository for scalable SUBSCALE 08 Aug 2015 ...
    • نمایش کامل مراجع