مروری برمعیار شباهت درخوشه بندی طیفی

سال انتشار: 1391
نوع سند: مقاله کنفرانسی
زبان: فارسی
مشاهده: 1,000

فایل این مقاله در 5 صفحه با فرمت PDF قابل دریافت می باشد

استخراج به نرم افزارهای پژوهشی:

لینک ثابت به این مقاله:

شناسه ملی سند علمی:

LNCSE02_187

تاریخ نمایه سازی: 6 اسفند 1391

چکیده مقاله:

درسالهای اخیر خوشه بندی طیفی برای تجزیه و تحلیلی داده های بسیار مورد توجه قرارگرفته است زیرا میتواند بصورت کارامد توسط ابزارهای استانداردجبرخطی حل شود و مشکل بهینه محلی را تحمل نکند با این وجود درخوشه بندی طیفی انتخاب پارامتر مقیاس مناسب درمعیار شباهت هسته گوسی مشکل است هدف ازاین مطالعه مروری برعملکرد الگوریتم های موجود خوشه بندی طیفی با معیار شباهت گوناگون است معایب و مزایای هرالگوریتم عنوان شدهاست تا درکارهای مختلف الگوریتم مناسب با توجه به شرایط و نیازهای ممکن استفاده شود درنهایت براساس نتایج ازمایشات الگوریتم مناسب درخوشه بندی طیفی برای مجموعه داده های مختلف عنوان شده است تا الگوریتم مناسب برای کاربردهای مختلف استفاده شود.

نویسندگان

میمنت رستمی

گروه مهندسی نرم افزار، دانشگاه آزاد اسلامی واحد مشهد، ایران،

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 :
  • YangP, Zhu. Q, Huang. B. Spectral clustering with density sensitive ...
  • Zhang. X, Li. J, Yu. H. Local density adaptive similarity ...
  • Zhao. F, Liu. H, Jiao. L, Spectral clustering with fuzzy ...
  • Ding. C. H, He. X, Zha. H, Gu. M, Simon. ...
  • Ng. A. N, Jordan. MI, Weiss. Y. On spectral clustering: ...
  • _ Shi. J, Malik. J. Normalized cuts and image segmentation, ...
  • Hendrickson. B, Leland. R. An improved spectral graph partitioning algorithm ...
  • Alpert. CJ, Yao. S. Spectral partitioning with multiple eigenvectors, Discrete ...
  • Segmentation and classification of polarimetric SAR data using spectral graph ...
  • Zhang. XR, Jiao. LC, Liu. F, Bo. LF, Gong. MG. ...
  • 1- Bach. F.R, Jordan. MI Learning spectral clustering, with application ...
  • Bach. F.R, Jordan. M. I. Spectral clustering for speech separation, ...
  • Mohar. B. The Laplacian spectrum of graphs, Graph Theory, Combinatorics, ...
  • Verma. D, M eila. M. A Comparison of Spectral Clustering ...
  • Hagen. L, Kahng. A. New spectral methods for ratio cut ...
  • Zelnik-Mano. L, Perona. P. Self-tuning spectral clustering. In Proceedings of ...
  • Fischer. B, Buhmann. J. M. Path-based clustering for grouping of ...
  • Bach. F, Jordan. M, . Learning spectral clustering. In: Proceedings ...
  • Xia. T, Cao. J, Zhang. Y, Li. J. On defining ...
  • Zhou. D, Bousquet. O, Lal. T, Weston. J, Schlkopf. B. ...
  • Zelnik-Mano. L, Perona. P. Self-tuning spectral clustering, in: Advances in ...
  • Chang. H, Yeung. H. D. Robust path-based spectral clustering, Pattern ...
  • Luxburg. U. A tutorial _ spectral clustering, Stat. Comput. 17, ...
  • Fowlke. C, Belongie. S, Chung. F, Malik. J. Spectral grouping ...
  • M eila. M, Shi. J. A random wals view of ...
  • Meila. M, Shi. J. Learning segmentation by random walks, Neural ...
  • M eila. M. The M ulticut Lemma, UW Statistics Technical ...
  • Ng. M.Y, Jardan. M, Weiss. Y. On spectral clustering: analysis ...
  • Moonesinghe. H. D. K, Tan. P. N. Outlier detection using ...
  • Bezdek. JC. Pattern Recognition with Fuzzy Objective Function Algorithms, Plenum, ...
  • نمایش کامل مراجع