مزایا و معایب انواع روشهای خوشه بندی و معیارهای ارزیابی آنها
محل انتشار: سومین همایش ملی برق و کامپیوتر امین
سال انتشار: 1396
نوع سند: مقاله کنفرانسی
زبان: فارسی
مشاهده: 5,805
فایل این مقاله در 9 صفحه با فرمت PDF قابل دریافت می باشد
- صدور گواهی نمایه سازی
- من نویسنده این مقاله هستم
این مقاله در بخشهای موضوعی زیر دسته بندی شده است:
استخراج به نرم افزارهای پژوهشی:
شناسه ملی سند علمی:
CECA03_019
تاریخ نمایه سازی: 13 شهریور 1396
چکیده مقاله:
برای بررسی رکوردهای مشابه در مجموعه دادههایی که در آنها، رکوردها برچسب خاصی ندارند، و همچنین برای کاهش اندازه مجموعه دادههای بزرگ، از عملیات خوشهبندی استفاده میشود. الگوریتمهای خوشهبندی، به دنبال گروهبندی کردن دادهها هستند، به گونهای که اعضایهر گروه از زاویهی خاصی با هم شباهت داشته باشند و با اعضای دیگر گروهها یا خوشهها، شباهتی نداشته و یا از شباهت کمتری برخوردار باشند. از جمله مشخصات مطلوب یک الگوریتم خوشهبندی، قابلیت مقیاسپذیری، توانایی مواجهه با انواع دادهها، استخراج خوشهها به هر شکل دلخواه،توانایی مقابله با دادههای نویزی و نادرست، عدم حساسیت به ترتیب ورود دادهها، عدم نیاز به پارامترهای ورودی، پذیرش دادههایی با ابعاد بالا و قابل فهم بودن نتایج الگوریتم است. در این تحقیق، به بررسی انواع روشهای خوشهبندی، آشنایی با الگوریتمهای موجود در هر روش، بررسی و مقایسه ویژگیهای هر یک و معیارهای ارزیابی آنها پرداخته میشود.
کلیدواژه ها:
نویسندگان
مرضیه پورحجتی ثابت
باشگاه پژوهشگران جوان و نخبگان، واحد دولت آباد، دانشگاه آزاد اسلامی، اصفهان، ایران
علیرضا مهدوی لاسیبی
دانشگاه آزاد اسلامی، واحد دولت آباد، گروه کامپیوتر، اصفهان، ایران
اعظم ربیعی
باشگاه پژوهشگران جوان و نخبگان، واحد دولت آباد، دانشگاه آزاد اسلامی، اصفهان، ایران