CIVILICA We Respect the Science
(ناشر تخصصی کنفرانسهای کشور / شماره مجوز انتشارات از وزارت فرهنگ و ارشاد اسلامی: ۸۹۷۱)
عنوان
مقاله

An Efficient Algorithm for Clustering of Convex and Non-Convex Data

اعتبار موردنیاز: ۱ | تعداد صفحات: ۹ | تعداد نمایش خلاصه: ۱۸۶۱ | نظرات: ۰
سال انتشار: ۱۳۸۶
کد COI مقاله: IDMC01_057
زبان مقاله: انگلیسی
فایل PDF حاوی متن کامل این مقاله در حال حاضر در سایت موجود نمی‌باشد.

راهنمای دانلود فایل کامل این مقاله

متن کامل این مقاله منتشر نشده و درپایگاه سیویلیکا موجود نمی باشد.

منبع مقالات سیویلیکا دبیرخانه کنفرانسها است. برخی از دبیرخانه ها اقدام به انتشار اصل مقاله نمی نمایند. به منظور تکمیل بانک مقالات موجود، چکیده این مقالات در سایت درج می شوند ولی به دلیل عدم انتشار اصل مقاله، امکان ارائه آن وجود ندارد.

خرید و دانلود PDF مقاله

اصل مقاله (فول تکست) فوق منتشر نشده و یا در سایت موجود نیست و امکان خرید آن فراهم نمی باشد

مشخصات نویسندگان مقاله An Efficient Algorithm for Clustering of Convex and Non-Convex Data

Farhad Bayat - Iran University of Science & Technology
Morteza Analoui - Iran University of Science & Technology
Ehsan Adeli - Iran University of Science & Technology

چکیده مقاله:

In this paper, using the concepts of field theory and potential functions, an optimal algorithm for clustering the convex and non-convex data is proposed. For this purpose, equipotential surfaces, created by the interaction of the potential functions, are applied. Equipotential surfaces are the geometric location of the points in the space on which the potential is constant. It means all points in each surface affected the same from the field. Regarding this concept and characteristics of equipotential surfaces, the outcome of this method will be an optimal solution for the clustering problem. But with regard to the existence of several parameters requiring to be set in the algorithm, finding the global optimal solution needs a very high computational complexity and therefore is not practical. Thus by applying some considerations and approximations, the resulting outcome will be a suboptimal solution, while appropriate setting of the parameters causes the result to be closer to the global optimal
solution. Simulation results for a number of standard data-sets, illustrates the superb performance of this method, especially for non-convexly scattered data.

کلیدواژه‌ها:

Clustering, Convex, Non-Convex, Norm Space, Potential Functions, Unsupervised and Sub-Optimal.

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-IDMC01-IDMC01_057.html
کد COI مقاله: IDMC01_057

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:
Bayat, Farhad; Morteza Analoui & Ehsan Adeli, ۱۳۸۶, An Efficient Algorithm for Clustering of Convex and Non-Convex Data, اولین کنفرانس داده کاوی ایران, تهران, دانشگاه صنعتی امیرکبیر, موسسه پژوهشی داده پردازان گیتا, https://www.civilica.com/Paper-IDMC01-IDMC01_057.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: (Bayat, Farhad; Morteza Analoui & Ehsan Adeli, ۱۳۸۶)
برای بار دوم به بعد: (Bayat; Analoui & Adeli, ۱۳۸۶)
برای آشنایی کامل با نحوه مرجع نویسی لطفا بخش راهنمای سیویلیکا (مرجع دهی) را ملاحظه 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 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.