CIVILICA We Respect the Science
ناشر تخصصی کنفرانسهای ایران
عنوان
مقاله

Parallel K-Means Clustering For Large Data Sets

اعتبار موردنیاز : ۱ | تعداد صفحات: ۵ | تعداد نمایش خلاصه: ۸۹۲ | نظرات: ۰
سال انتشار: ۱۳۹۲
کد COI مقاله: BPJ01_524
زبان مقاله: انگلیسی
حجم فایل: ۱۷۶.۱۶ کیلوبایت (فایل این مقاله در ۵ 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 ۵ صفحه است در اختیار داشته باشید.

قیمت این مقاله : ۳,۰۰۰ تومان

آدرس ایمیل خود را در کادر زیر وارد نمایید:

مشخصات نویسندگان مقاله Parallel K-Means Clustering For Large Data Sets

  Hossein Sharifipanah - Research Institute of Petroleum Industry
  Behrouz Nonahal - Research Institute of Petroleum Industry

چکیده مقاله:

Large data set clustering is a time-consuming task that can be improved by parallel techniques. One of the most popular clustering algorithms is K-Means. This algorithm simply selects K points as cluster centers and assigns each data point to its nearest center. The Algorithm reassigns the cluster centers until a convergence criterion would be met. In this paper, a new method for parallelizing the K-Means is presented. In the proposed algorithm, each cluster is placed in a separate site. This property can be useful for applications that need to store and process similar data (each cluster) separately. In addition, against very other methods it does not make any assumptions about the homogeneity of data distribution. The experimental results show that the proposed algorithm speeds up the clustering process significantly

کلیدواژه‌ها:

Parallel clustering, K-Means, cluster center

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-BPJ01-BPJ01_524.html
کد COI مقاله: BPJ01_524

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:
Sharifipanah, Hossein & Behrouz Nonahal, ۱۳۹۲, Parallel K-Means Clustering For Large Data Sets, اولین همایش ملی رویکردهای نوین در مهندسی کامپیوتر و بازیابی اطلاعات, رودسر, دانشگاه آزاد اسلامی واحد رودسر و املش, https://www.civilica.com/Paper-BPJ01-BPJ01_524.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: (Sharifipanah, Hossein & Behrouz Nonahal, ۱۳۹۲)
برای بار دوم به بعد: (Sharifipanah & Nonahal, ۱۳۹۲)
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 :

  • Jain, A.K., Dubes, R.C., Algorithms for Clustering Data, Prentice- Hall, ...
  • Sambasivam, S., Theodosopoulos _ N., Advanced Dato Clustering Methods of ...
  • Tasoulis, D. K., Vrahatis, M. N., Unsupervised Distributed Clustering, IASTED ...
  • Dhillon, I., Modha, D., A data-clustering algorithm _ distributed ...
  • Kwok, T., Smith, K., Lozano, S., Taniar, D., Parallel Fuzzy ...
  • Monien and R. Feldmann, Eds. Lecture Notes In Computer Science, ...
  • Jin, R., Goswami, A., Agrawal, G., Fast and Exat Out-of-Core ...
  • Kargupta, H., Huang, W., Sivakumar, K., Johnson, E. Distributed clustering ...
  • علم سنجی و رتبه بندی مقاله

    مشخصات مرکز تولید کننده این مقاله به صورت زیر است:
    نوع مرکز: پژوهشگاه دولتی
    تعداد مقالات: ۱۸۳۹
    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.

    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.