CIVILICA We Respect the Science
ناشر تخصصی کنفرانسهای ایران
عنوان
مقاله

یک خوشهبندی جمع شونده جدید بر اساس حرکت نمونهها در فضای ویژگی

اعتبار موردنیاز : ۱ | تعداد صفحات: ۷ | تعداد نمایش خلاصه: ۱۱۰۱ | نظرات: ۰
سرفصل ارائه مقاله: رایانش نرم و هوش مصنوعی
سال انتشار: ۱۳۸۶
نوع ارائه: شفاهی
کد COI مقاله: ACCSI13_013
زبان مقاله: فارسی
حجم فایل: ۱۷۳.۱۷ کیلوبایت (فایل این مقاله در ۷ صفحه با فرمت PDF قابل دریافت می باشد)

راهنمای دانلود فایل کامل این مقاله

اگر در مجموعه سیویلیکا عضو نیستید، به راحتی می توانید از طریق فرم روبرو اصل این مقاله را خریداری نمایید.
با عضویت در سیویلیکا می توانید اصل مقالات را با حداقل ۳۳ درصد تخفیف (دو سوم قیمت خرید تک مقاله) دریافت نمایید. برای عضویت در سیویلیکا به صفحه ثبت نام مراجعه نمایید. در صورتی که دارای نام کاربری در مجموعه سیویلیکا هستید، ابتدا از قسمت بالای صفحه با نام کاربری خود وارد شده و سپس به این صفحه مراجعه نمایید.
لطفا قبل از اقدام به خرید اینترنتی این مقاله، ابتدا تعداد صفحات مقاله را در بالای این صفحه کنترل نمایید.
برای راهنمایی کاملتر راهنمای سایت را مطالعه کنید.

خرید و دانلود فایل مقاله

با استفاده از پرداخت اینترنتی بسیار سریع و ساده می توانید اصل این مقاله را که دارای ۷ صفحه است در اختیار داشته باشید.

قیمت این مقاله : ۳,۰۰۰ تومان

آدرس ایمیل خود را در کادر زیر وارد نمایید:

مشخصات نویسندگان مقاله یک خوشهبندی جمع شونده جدید بر اساس حرکت نمونهها در فضای ویژگی

محمد طاهری - دانشجوی کارشناسی ارشد، مهندسی کامپیوتر(هوش مصنوعی) بخش کامپیوتر، دان
الهام چیتساز - دانشجوی کارشناسی ارشد، مهندسی کامپیوتر(هوش مصنوعی) بخش کامپیوتر، دان
  سراج الدین کاتبی - استاد و عضو هیئت علمی بخش کامپیوتر، دانشگاه شیراز

چکیده مقاله:

خوشهبندی را میتوان طبقهبندی داده ها بر اساس نوعی شباهت تعریف کرد. معیارهای شباهتسنجی متفاوتی تا کنون نسخه - های گوناگونی از این روشها را معرفی کردهاند. هر یک از این روشها،
مزایا و معایبی در پی دارند. در این مقاله، به بررسی نیروی گرانش به عنوان یکی از خاصیت های بنیادی ذرات ماده پرداخته می شود . معیارهای شباهت بسیاری از جمله فاصلهی اقلیدسی نمونهها در فضای ویژگی وجود دارد؛ اما با استفاده از خاصیت گرانش، قضاوت در مورد شباهت دو نمونه به خود نمونهها واگذار میشود که برگرفته از تأثیرات تمام نمونهها و اثر نیروی گرانش میباشد. نتایج این مقاله بر رو ی داده- های دو بعدی به صورت گرافیکی با روش هایISODATA و DSRPCL2مقایسه شده است. همچنین این مقایسه با استفاده از معیار کلاسهبندی بر روی چند مجموعه داده استاندارد و با روش های K- DSRPCL2 ،Means و کوچکترین درخت پوشا صورت گرفته و نتایج رضایت بخش است.

کلیدواژه‌ها:

خوشه بندی، یادگیری بدون نظارت، جمع شونده، سلسله مراتبی، نیروی گرانش، نیوتن، بازشناسی الگوها

کد مقاله/لینک ثابت به این مقاله

برای لینک دهی به این مقاله، می توانید از لینک زیر استفاده نمایید. این لینک همیشه ثابت است و به عنوان سند ثبت مقاله در مرجع سیویلیکا مورد استفاده قرار میگیرد:
https://www.civilica.com/Paper-ACCSI13-ACCSI13_013.html
کد COI مقاله: ACCSI13_013

نحوه استناد به مقاله:

در صورتی که می خواهید در اثر پژوهشی خود به این مقاله ارجاع دهید، به سادگی می توانید از عبارت زیر در بخش منابع و مراجع استفاده نمایید:
طاهری, محمد؛ الهام چیتساز و سراج الدین کاتبی، ۱۳۸۶، یک خوشهبندی جمع شونده جدید بر اساس حرکت نمونهها در فضای ویژگی، سیزدهمین کنفرانس سالانه انجمن کامپیوتر ایران، جزیره کیش، انجمن کامپیوتر، دانشگاه صنعتی شریف، https://www.civilica.com/Paper-ACCSI13-ACCSI13_013.html

در داخل متن نیز هر جا که به عبارت و یا دستاوردی از این مقاله اشاره شود پس از ذکر مطلب، در داخل پارانتز، مشخصات زیر نوشته می شود.
برای بار اول: (طاهری, محمد؛ الهام چیتساز و سراج الدین کاتبی، ۱۳۸۶)
برای بار دوم به بعد: (طاهری؛ چیتساز و کاتبی، ۱۳۸۶)
برای آشنایی کامل با نحوه مرجع نویسی لطفا بخش راهنمای سیویلیکا (مرجع دهی) را ملاحظه نمایید.

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 :

  • محمد طاهری، ر. بوستانی، رویکردی نوین و چند جانبه به ... (مقاله کنفرانسی)
  • Mitchell, Tom M. Machine learring. Publisher McGravw- Hill ISBN 007 ...
  • Mitra, S., Acharaya, T. Data Mining: Multimedia, Soft Computing, and ...
  • Rasmussen, E. Clustering Algorithms. editors, Frakes, W.B., Yates, R. Baez., ...
  • Jain, A.K., Flynn, P.J. Image Segmentation Using Clustering. editors, Ahuja, ...
  • ANDERB ERG, M.R. Cluster Analysis for Applications. Academic Press, Inc., ...
  • Richard C. Dubes, Anil K. Jain. Clustering Methodo logies in ...
  • Lee., R.C.T. Cluster analysis and its applications, editor, Tou, J.T., ...
  • Al-Sultan, Khaled S., Khan, M. Maroof, Compu tational experience on ...
  • Jain, A. K., Murty, M.N., Fynn, P.J. Data Clustering: A ...
  • Mao, Jianchang, Jain, A. K. A self- organizing network for ...
  • Dubuisson, M. P., Jain, A. K. A Modified Hausdorff Distance ...
  • Topchy, A.., Minaei-B idgoli, B., Jain, _ K., Punch, W. ...
  • Jain, A.K., Dubes, R. Algorithms for Clustering Data. Prentice Hall, ...
  • Kanungo, T., Mount, D., Netanyahu, N., Piatko, C., Silverman, R., ...
  • Ball, G.H., Hall, D.J. ISODATA, a Novel Method of Data ...
  • Jinwen, Ma., Taijun, Wang A cost-function approach to rival penalized ...
  • httb ://hvoerphvs ic S .bhv-astr. gsu. e d u/hbase/got .html#ui ...
  • مدیریت اطلاعات پژوهشی

    اطلاعات استنادی این مقاله را به نرم افزارهای مدیریت اطلاعات علمی و استنادی ارسال نمایید و در تحقیقات خود از آن استفاده نمایید.

    مقالات مرتبط جدید

    شبکه تبلیغات علمی کشور

    به اشتراک گذاری این صفحه

    اطلاعات بیشتر درباره COI

    COI مخفف عبارت CIVILICA Object Identifier به معنی شناسه سیویلیکا برای اسناد است. COI کدی است که مطابق محل انتشار، به مقالات کنفرانسها و ژورنالهای داخل کشور به هنگام نمایه سازی بر روی پایگاه استنادی سیویلیکا اختصاص می یابد.
    کد COI به مفهوم کد ملی اسناد نمایه شده در سیویلیکا است و کدی یکتا و ثابت است و به همین دلیل همواره قابلیت استناد و پیگیری دارد.