CIVILICA We Respect the Science
ناشر تخصصی کنفرانسهای ایران
عنوان
مقاله

بهبود عملکرد الگوریتم خوشه بندی فازی سی - مینز با وزندهی اتوماتیک و محلی ویژگی ها

اعتبار موردنیاز : ۱ | تعداد صفحات: ۱۲ | تعداد نمایش خلاصه: ۱۲۰ | نظرات: ۰
سال انتشار: ۱۳۹۵
کد COI مقاله: JR_TJEE-46-2_026
زبان مقاله: فارسی
حجم فایل: ۱.۶ مگابات (فایل این مقاله در ۱۲ 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 ۱۲ صفحه است در اختیار داشته باشید.

قیمت این مقاله : ۳,۰۰۰ تومان

آدرس ایمیل خود را در کادر زیر وارد نمایید:

مشخصات نویسندگان مقاله بهبود عملکرد الگوریتم خوشه بندی فازی سی - مینز با وزندهی اتوماتیک و محلی ویژگی ها

  سمیرا رفیعی - دانشجوی کارشناسی ارشد، گروه مهندسی کامپیوتر و فناوری اطلاعات - دانشکده مهندسی - دانشگاه کردستان - سنندج - ایران
    پرهام مرادی - استادیار، گروه مهندسی کامپیوتر و فناوری اطلاعات - دانشکده مهندسی - دانشگاه کردستان - سنندج - ایران

چکیده مقاله:

خوشه بندی یکی از راهکارهای مهم در تحلیل داده هاست. در راهکارهای کلاسیک خوشه فرض بر این است که همه ویژگی ها از درجه اهمیت یکسانی برخوردار هستند. این در حالی است که در مجموعه دادههای واقعی یک سری از ویژگی ها اهمیت بیشتری نسبت به دیگرویژگی ها دارند. درنتیجه ویژگی های مهم تاثیر بیشتری در شناسایی خوشه های بهینه نسبت به سایر ویژگی ها خواهند داشت. در این مقاله، یکالگوریتم خوشه بندی فازی با وزندهی اتوماتیک محلی ارایه شده است. الگوریتم پیشنهادی دارای سه مزیت اصلی است. مزیت اول این است کهوزن دهی ویژگی ها را به صورت محلی انجام می دهد به طوریکه وزن ویژگی ها در یک خوشه نسبت به خوشه دیگر متفاوت است. مزیت دوم، استفاده ازیک معیار شباهت غیراقلیدسی برای به دست آوردن فاصله بین نمونه ها به منظور کاهش حساسیت الگوریتم نسبت به نویز است. مزیت سوم این استکه وزن ویژگی ها به صورت تطبیقی و در طول فرآیند یادگیری به دست می آید. در این مقاله تحلیل های ریاضی برای به دست آوردن توابع به روزرسانیمراکز خوشه ها و وزن های ویژگی ها ارایه شده است. همچنین تحلیل های ریاضی جهت اثبات همگرایی الگوریتم نیز ارایه شده است. آزمایش هایانجام گرفته بر روی یک مجموعه داده مصنوعی و پنج مجموعه داده واقعی نشان دهنده کارایی بالای الگوریتم پیشنهادی در مقایسه با دیگرالگوریتم های پیشنهادی با وزن دهی سراسری و محلی ویژگی ها است.

کلیدواژه‌ها:

خوشه بندی فازی سی- مینز، وزن دهی محلی ویژگی ها، معیار شباهت غیراقلیدسی

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-JR_TJEE-JR_TJEE-46-2_026.html
کد COI مقاله: JR_TJEE-46-2_026

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:
رفیعی, سمیرا و پرهام مرادی، ۱۳۹۵، بهبود عملکرد الگوریتم خوشه بندی فازی سی - مینز با وزندهی اتوماتیک و محلی ویژگی ها، فصلنامه مهندسی برق دانشگاه تبریز 46 (2)، https://www.civilica.com/Paper-JR_TJEE-JR_TJEE-46-2_026.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: (رفیعی, سمیرا و پرهام مرادی، ۱۳۹۵)
برای بار دوم به بعد: (رفیعی و مرادی، ۱۳۹۵)
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: دانشگاه دولتی
تعداد مقالات: ۴۱۲۹
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 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.