مرکز اطلاعات علمی Scientific Information Database (SID) - Trusted Source for Research and Academic Resources

نسخه انگلیسی

مرکز اطلاعات علمی Scientific Information Database (SID) - Trusted Source for Research and Academic Resources

video

مرکز اطلاعات علمی Scientific Information Database (SID) - Trusted Source for Research and Academic Resources

sound

مرکز اطلاعات علمی Scientific Information Database (SID) - Trusted Source for Research and Academic Resources

نسخه انگلیسی

مرکز اطلاعات علمی Scientific Information Database (SID) - Trusted Source for Research and Academic Resources

بازدید:

1,763
مرکز اطلاعات علمی Scientific Information Database (SID) - Trusted Source for Research and Academic Resources

دانلود:

1,438
مرکز اطلاعات علمی Scientific Information Database (SID) - Trusted Source for Research and Academic Resources

استناد:

اطلاعات مقاله نشریه

عنوان

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

صفحات

 صفحه شروع 75 | صفحه پایان 86

چکیده

 خوشه بندی یکی از راه کارهای مهم در تحلیل داده هاست. در راه کارهای کلاسیک خوشه بندی معمولا فرض بر این است که همه ویژگی ها از درجه اهمیت یکسانی برخوردارند. این در حالی است که در مجموعه داده های واقعی یک سری از ویژگی ها اهمیت بیش تری نسبت به دیگر ویژگی ها دارند. در نتیجه ویژگی های مهم تاثیر بیش تری در شناسایی خوشه های بهینه نسبت به سایر ویژگی ها خواهند داشت. در این مقاله, یک الگوریتم خوشه بندی فازی با وزن دهی اتوماتیک محلی ارائه شده است. الگوریتم پیشنهادی دارای سه مزیت اصلی است. مزیت اول این است که وزن دهی ویژگی ها را به صورت محلی انجام می دهد به طوری که وزن ویژگی ها در یک خوشه نسبت به خوشه دیگر متفاوت است. مزیت دوم, استفاده از یک معیار شباهت غیر اقلیدسی برای به دست آوردن فاصله بین نمونه ها به منظور کاهش حساسیت الگوریتم نسبت به نویز است. مزیت سوم این است که 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 روزرسانی مراکز خوشه ها و وزن های ویژگی ها ارائه شده است. هم چنین تحلیل های ریاضی جهت اثبات هم گرایی الگوریتم نیز ارائه شده است. آزمایش های انجام گرفته بر روی یک مجموعه داده مصنوعی و پنج مجموعه داده واقعی نشان دهنده کارایی بالای الگوریتم پیشنهادی در مقایسه با دیگر الگوریتم های پیشنهادی با وزن دهی سراسری و محلی ویژگی ها است.

استنادها

  • ثبت نشده است.
  • ارجاعات

  • ثبت نشده است.
  • استناددهی

    APA: کپی

    رفیعی، سمیرا، و مرادی، پرهام. (1395). بهبود عملکرد الگوریتم خوشه بندی فازی سی- مینز با وزن دهی اتوماتیک و محلی ویژگی ها. مهندسی برق (دانشکده فنی دانشگاه تبریز)، 46(2 (پیاپی 76))، 75-86. SID. https://sid.ir/paper/256425/fa

    Vancouver: کپی

    رفیعی سمیرا، مرادی پرهام. بهبود عملکرد الگوریتم خوشه بندی فازی سی- مینز با وزن دهی اتوماتیک و محلی ویژگی ها. مهندسی برق (دانشکده فنی دانشگاه تبریز)[Internet]. 1395؛46(2 (پیاپی 76)):75-86. Available from: https://sid.ir/paper/256425/fa

    IEEE: کپی

    سمیرا رفیعی، و پرهام مرادی، “بهبود عملکرد الگوریتم خوشه بندی فازی سی- مینز با وزن دهی اتوماتیک و محلی ویژگی ها،” مهندسی برق (دانشکده فنی دانشگاه تبریز)، vol. 46، no. 2 (پیاپی 76)، pp. 75–86، 1395، [Online]. Available: https://sid.ir/paper/256425/fa

    مقالات مرتبط نشریه ای

    مقالات مرتبط همایشی

  • ثبت نشده است.
  • طرح های مرتبط

  • ثبت نشده است.
  • کارگاه های پیشنهادی






    بازگشت به بالا
    telegram sharing button
    whatsapp sharing button
    linkedin sharing button
    twitter sharing button
    email sharing button
    email sharing button
    email sharing button
    sharethis sharing button