CIVILICA We Respect the Science
ناشر تخصصی کنفرانسهای ایران
عنوان
مقاله

An Efficient Clustering Algorithm For Very Large Databases

اعتبار موردنیاز : ۱ | تعداد صفحات: ۷ | تعداد نمایش خلاصه: ۲۴۳۲ | نظرات: ۰
سال انتشار: ۱۳۸۸
نوع ارائه: پوستر
کد COI مقاله: NCSE01_040
زبان مقاله: انگلیسی
حجم فایل: ۱۵۹.۴۹ کیلوبایت (فایل این مقاله در ۷ 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 ۷ صفحه است در اختیار داشته باشید.

قیمت این مقاله : ۳,۰۰۰ تومان

آدرس ایمیل خود را در کادر زیر وارد نمایید:

مشخصات نویسندگان مقاله An Efficient Clustering Algorithm For Very Large Databases

Sajjad Fallah - Department of ICT, Shahid Beheshti of Medical University Tehran, Iran
  Ghorban Kheradmandian - Department of Computer Engineering, Amirkabir University of Technology Tehran, Iran

چکیده مقاله:

Finding useful patterns in large datasets has attracted considerable interest recently, and one of the most widely studied problems in this area is the identification of clusters, or densely populated regions, in a multi-dimensional dataset. In this paper a new clustering algorithm for very large databases is proposed. The proposed algorithm, at most loads the entire data set into memory, three times. In phase 1, the encompassing space of data set is identified and it is partitioned into several sub-spaces, depending on the amount of available memory. Next, the entire data set, step by step is loaded into memory and each data point is assigned into a sub-space, and the average of data assigned into each sub-space is stored. In the later phase, some of the small sub-clusters corresponding to sub-spaces are hierarchically merged and constitute larger clusters. Our clustering algorithm is independent of the order of training samples appearance and our experimental results with complex data reveal that its performance is better than the well known k means algorithm.

کلیدواژه‌ها:

Clustering, Large Database, Hierarchical, Space Dividing, merging

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-NCSE01-NCSE01_040.html
کد COI مقاله: NCSE01_040

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:
Fallah, Sajjad & Ghorban Kheradmandian, ۱۳۸۸, An Efficient Clustering Algorithm For Very Large Databases, اولین کنفرانس ملی مهندسی نرم افزار ایران, رودهن, دانشگاه آزاد اسلامی واحد رودهن, https://www.civilica.com/Paper-NCSE01-NCSE01_040.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: (Fallah, Sajjad & Ghorban Kheradmandian, ۱۳۸۸)
برای بار دوم به بعد: (Fallah & Kheradmandian, ۱۳۸۸)
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 :

  • Tian Zhang, Raghu Ramakrishn an, and Miron Livny, ،BIRCH: An ...
  • Martin Ester, Hans-Peter Kriegel and Xiaowei XU, *Knowledge Discovery in ...
  • William H.Hau, *Knowledge Discovery in Databases (KDD) and Data Mining, ...
  • construction of k-clusters, ' Journal, Vol. 15, pp.326-332, 1972. ...
  • Kurita T. 4An efficient agglomerative clustering algorithm using a heap, ...
  • Bradley, P., Fayyad, U., and Reina, C. _ Scaling clustering ...
  • 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.