CIVILICA We Respect the Science
ناشر تخصصی کنفرانسهای ایران
عنوان
مقاله

خوشهبندی جریان داده با استفاده از الگوریتمFEAC-STREAM بهبودیافته

اعتبار موردنیاز : ۱ | تعداد صفحات: ۸ | تعداد نمایش خلاصه: ۱۳۴ | نظرات: ۰
سال انتشار: ۱۳۹۷
کد COI مقاله: ARGCONF03_018
زبان مقاله: فارسی
حجم فایل: ۴۹۵.۷۳ کیلوبایت (فایل این مقاله در ۸ 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 ۸ صفحه است در اختیار داشته باشید.

قیمت این مقاله : ۳,۰۰۰ تومان

آدرس ایمیل خود را در کادر زیر وارد نمایید:

مشخصات نویسندگان مقاله خوشهبندی جریان داده با استفاده از الگوریتمFEAC-STREAM بهبودیافته

  مرضیه دامور - دانشجو مقطع کارشناسی ارشد دانشگاه امام رضا ع
  علی قاضی خانی - استادیار و عضو هییت علمی دانشگاه امام رضا ع

چکیده مقاله:

جریان داده به داده هایی که گفته می شود که بطور پیوسته تولید و از سیستم های بلادرنگ جمع آوری و تحلیل می شوند. الگوریتم k-means یک روش خوشه بندی متداول برای تحلیل جریان داده ها، است. از میان این الگوریتم ساده، مقیاس پذیر و در کاربردهای بلادرنگ موفق است اما در کنار این مزایا، دارای یک محدودیت عمده یعنی تعیین تعداد خوشه ها ،یعنی k ،است. در مسایل مختلف همیشه تعیین مقدار k در همان ابتدا بسیار دشوار و یا حتی غیرممکن است. از دیدگاه بهینه سازی، خوشه بندی یک مسیله گروه بندی NP-hard است. الگوریتم های تکاملی، روش های فراابتکاری هستند که می توانند راه حلی های بهینه ای برای این مسایل ارایه کنند.. در این پژوهش، یک الگوریتم تکاملی سریع برای خوشه بندی جریان داده را بهبود داده ایم. در روش پیشنهادی از یادگیری مبتنی بر تضاد برای تولید جمعیت اولیه با کیفیت استفاده کرده ایم. همچنین از یک روش متفاوت برای فاز جهش و انتخاب بهره گرفته ایم. نتایج مقایسه الگوریتم پیشنهادی و الگوریتم FEAC-STREAM برحسب معیار سیلوت ساده شده نشان می دهند که الگوریتم پیشنهادی بطور قابل ملاحظه ای بهتر عمل می کند.

کلیدواژه‌ها:

جریان داده، خوشه بندی، الگوریتم فرا ابتکاری، بهینه سازی

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-ARGCONF03-ARGCONF03_018.html
کد COI مقاله: ARGCONF03_018

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:
دامور, مرضیه و علی قاضی خانی، ۱۳۹۷، خوشهبندی جریان داده با استفاده از الگوریتمFEAC-STREAM بهبودیافته، سومین کنفرانس سالانه ملی مهندسی برق، کامپیوتر و بیو الکتریک ایران، مشهد، موسسه علمی آموزشی و پژوهشی ارگ، https://www.civilica.com/Paper-ARGCONF03-ARGCONF03_018.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: (دامور, مرضیه و علی قاضی خانی، ۱۳۹۷)
برای بار دوم به بعد: (دامور و قاضی خانی، ۱۳۹۷)
برای آشنایی کامل با نحوه مرجع نویسی لطفا بخش راهنمای سیویلیکا (مرجع دهی) را ملاحظه نمایید.

علم سنجی و رتبه بندی مقاله

مشخصات مرکز تولید کننده این مقاله به صورت زیر است:
نوع مرکز: موسسه غیرانتفاعی
تعداد مقالات: ۱۵۰۸
در بخش علم سنجی پایگاه سیویلیکا می توانید رتبه بندی علمی مراکز دانشگاهی و پژوهشی کشور را بر اساس آمار مقالات نمایه شده مشاهده نمایید.

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 پیشنهادی مرتبط

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.