CIVILICA We Respect the Science
ناشر تخصصی کنفرانسهای ایران
عنوان
مقاله

ارائه راهکاری برای خوشه بندی داده های بسیارحجیم به منظور اهداف داده کاوی

اعتبار موردنیاز : ۱ | تعداد صفحات: ۲۰ | تعداد نمایش خلاصه: ۲۶۷ | نظرات: ۰
سال انتشار: ۱۳۹۴
کد COI مقاله: IKMC07_388
زبان مقاله: فارسی
حجم فایل: ۹۱۲.۱۳ کیلوبایت (فایل این مقاله در ۲۰ 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 ۲۰ صفحه است در اختیار داشته باشید.

قیمت این مقاله : ۳,۰۰۰ تومان

آدرس ایمیل خود را در کادر زیر وارد نمایید:

مشخصات نویسندگان مقاله ارائه راهکاری برای خوشه بندی داده های بسیارحجیم به منظور اهداف داده کاوی

  فتاح بیات - مربی ریاضی کاربردی دانشگاه آزاد اسلامی ملایر ایران

چکیده مقاله:

کاربردهای زیادی وجود دارند که درآنها خوشه بندی مجموعه الگوهای بزرگ ضروری است اکثرتقریب ها و الگوریتم های تعریف شده توانایی دستکاری این مجموعه داده های بزرگ را ندارند دراین مقاله به بررسی مزایا و معایب هریک ازالگوریتم های خوشه بندی برای داده های حجیم نظیر CURE ، CLARANS، BIRCHوCOBWEB پرداخته شده است سپس یک روش پیشنهادی جدید خوشه بندی برای داده های بسیار بزرگ ارایه شده است و هدف این بوده است که مناسب برای حالتهایی باشد که امکان بارگذاری همزمان همه داده ها درحافظه وجود نداردوداده ها بصورت بلا های متوالی بارگذاری میشوند این الگوریتم ازسه فاز اصلی تشکیل شده است درفاز نخست فضای کل داده ها به ناحیه های یکسان تقسیم بندی میشوند درفاز دوم ناحیه دربرگیرنده هرداده مشخص شده و داده های تعلق یافته به هرناحیه باکمیت های حداقلی به صورت فشرده ذخیره میشوند و هرناحیه متناظر بایک خوشه اولیه می باشد همچنین درفاز سوم بعضی ازخوشه های اولیه بصورت سلسله مراتبی باهم ترکیب شده و خوشه های نهایی را تشکیل میدهند برای ارزیابی کارایی روش پیشنهادی مجموعه داده های مصنوعی تولید شده و الگوریتم به این داده ها اعمال شده است و نتیجه خوشه بندی خوبی حاصل شده است

کلیدواژه‌ها:

داده کاوی ، خوشه بندی ، مجموعه داده های بزرگ

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-IKMC07-IKMC07_388.html
کد COI مقاله: IKMC07_388

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:
بیات, فتاح، ۱۳۹۴، ارائه راهکاری برای خوشه بندی داده های بسیارحجیم به منظور اهداف داده کاوی، هفتمین کنفرانس ملی و اولین کنفرانس بین المللی مدیریت دانش، تهران، موسسه اطلاع رسانی نفت، گاز و پتروشیمی، https://www.civilica.com/Paper-IKMC07-IKMC07_388.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: (بیات, فتاح، ۱۳۹۴)
برای بار دوم به بعد: (بیات، ۱۳۹۴)
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 :

  • A.Moore. (1999). "Very fast EM-based mixture modl clustering using multiresolution ...
  • Agrawal, R.. Gehrke, J., Gunopulos, D., & Raghavan, P. (1998). ...
  • Banerjee, A., & Ghosh, J. (2002). "On scaling balanced clustering". ...
  • BRADLEY, P S., FAYYAD, U., & REINA, C. (1998). "Scaling ...
  • Bo Thiesson, Christopher Meek, and David Heckerman. (2001). "Accelerating EM ...
  • Beckmann, N., H.-P. Kriegel, R. Schneider, and B. Seeger. (1990). ...
  • Robust Acces Method for Points and Rectangles, " In Proc. ...
  • Christopher R. Palmer and Christos Faloutsos. (200 1)."Density biased sampling: ...
  • Dasgupta, S. (2000). "Experiments with random projection". In Proceedings of ...
  • DHILLON, I., &MODHA, D. (1999). " A data-clustering algorithm on ...
  • Fayyad, U. M., Reina, C., & Bradley, P. S. (1998). ...
  • Faloutsos, C., & Lin, K. (1995). Fastmap:"A fast algorithm for ...
  • FISHER, DOUGLAS H (1 987). "Knowledge acquisition via incremental conceptual ...
  • George Karypis, Eui-Hong (Sam) Han, and Vipin Kumar.(1 999). "Chameleon: ...
  • Ganti, V., Gehrke, J., & Ramakrishnan, R. (1999). _ CACTUSc ...
  • Feb. 17- 18, 2015 Beheshti _ Conference Center Tehran, _ ...
  • ۲۹ بهمن ماه ۱۳۹۳ مرکز همایش های بین المللی سشهید ... (مقاله کنفرانسی)
  • Guttman, A.(1984). "R-trees: A Dynamic Index Structure for Spatial Searching, ...
  • Nong Ye.(2003)."THE HANDBOOK OF DAT A MINNG", LAWRENCE ERLBAUM ASSOCIATES ...
  • HAR-PELED, SARIEL, &MAZUM DAR, SOHAM. (2004). "Coresets for k-means and ...
  • Jain, A. K., Murty, M. N., & Flynn, P. J. ...
  • R. T. Ng and J. Han. (1994). "E_cient and e_ective ...
  • RAKESH AGRAWAL, JOHANNES GEHRKE, DIMITRIOS GUNOPULO S , PRAB HAKAR ...
  • Sudipto Guha, Rajeev Rastogi, and Kyuseok Shim.(1998). "CURE - _ ...
  • Feb. 17- 18, 2015 Beheshti _ Conference Center Tehran, _ ...
  • علم سنجی و رتبه بندی مقاله

    مشخصات مرکز تولید کننده این مقاله به صورت زیر است:
    نوع مرکز: دانشگاه آزاد
    تعداد مقالات: ۲۶۲۲
    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.