نمايش پست تنها
قديمي ۱۲-۴-۱۳۸۸, ۰۹:۳۲ بعد از ظهر   #5 (لینک دائم)
Astaraki Female
Administrator
 
آواتار Astaraki
 
تاريخ عضويت: خرداد ۱۳۸۷
محل سكونت: تهران-کرج!
پست ها: 3,465
تشكرها: 754
16,337 تشكر در 3,127 پست
My Mood: Mehrabon
ارسال پيغام Yahoo به Astaraki
Thumbs up ارائه يك الگوريتم K-means بهبوديافته به كمك مفاهيم پاداش

ارائه يك الگوريتم K-means بهبوديافته به كمك مفاهيم پاداش


خلاصه مقاله:

خوشهبندي يك روش دستهبنديكردن داده براساس شباهت ميباشد . الگوريتم خوشهبندي K-means نسبت به نويز بسيار حساس است زيرا كه ميزان تاثير نويز و داده هاي واقعي، يكسان مي باشد و اين برمحاسبات خوشه ها و مراكز آن ها تاثيرگذار است و دقت آن ها را كاهش مي دهد. در نتيجه اين الگوريتم در محيط هايي كه مستعد نويز هستند غيرقابل اعمال بوده و در صورت اعمال ، نتايج آن قابل اعتماد نيست . ازطرفي K-means بسيار ساده و داراي سرعت بالايي مي باشد . روش پيشنهادي ماازاين الگوريتم در محيطهايي كه مستعد توليد مقدار قابل توجهي نويز و برون هشت است استفاده كرده و با دقت بالايي عمل خوشه بندي را انجام دهد . با استفاده ازيك الگوريتمK-means وزن گذاري شده چندسطحي كه اين وزن ، ميزان اعتباروخوش نامي منبع توليدكننده آن داده است، اثرنويزراكم ودربرخي موارد اين اثرراكامل حذف مي نمايد . الگوريتم پيشنهادي، اولين الگوريتم بهبوديافته K-means مي باشد كه بادرنظرگرفتن ميزان شهرت و خوش نامي منبع توليدكننده داده به عنوان يك معيار اعتمادودرستي داده، عمل مي كند و درنتيجه داده هاي نويزدار و غيرقابل اعتماد را ازهمان ابتداوارد محاسبات الگوريتم ن مي كند وبه ميزان قابل توجهي ازسربارهاي محاسباتي الگوريتم كاسته شده ودرنهايت درافزايش سرعت الگوريتم تاثيرگذاراست . نتايج شبيه دهد .

كلمات كليدي:

الگوريتم K-means ، خوش نامي ،خوشه بندي، نويز، وزن گذاري چندسطحي
فايل ضميمه
نوع فايل: pdf ISCEE11_094_253344.pdf (186.0 كيلو بايت, 1194 نمايش)
Astaraki آفلاين است   پاسخ با نقل قول
از Astaraki تشكر كرده اند:
manchester_love (۰۷-۱۱-۱۳۸۹), sinakhaki (۱۲-۵-۱۳۸۸), siva_007 (۰۴-۲۷-۱۳۸۹), ناشناس (۰۳-۲۱-۱۳۹۲), |مريم (۰۱-۱۶-۱۳۹۱)