نمايش پست تنها
قديمي ۰۷-۱۴-۱۳۸۹, ۰۹:۲۹ قبل از ظهر   #1 (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
Smile بررسي تكنيكهاي مختلف خوشه بندي به روش نظارت نشده

بررسي تكنيكهاي مختلف خوشه بندي به روش نظارت نشده

خلاصه مقاله:
خوشه بندي عبارت است از فرآيند طبقه بندي مجموعه داده هاي موجود به خوشه هاي مختلف بطوريكه داده هاي داراي ويژگي هاي مشترك در يك خوشه قرار گيرند. الگوريتم هاي خوشه بندي سعي دارند مجموعه داده ها را به نواحي مجزا تجزيه نمايند.
الگوريتم هاي خوشه بندي به سه گروه تقسيم بندي مي گردند: سلسله مراتبي، تقسيمي هم پوشاني.
در حالي كه الگوريتم هاي متفاوتي براي خوشه بندي داده ها وجود دارد، اين مقاله بر روي دو الگوريتم آشناي خوشه بندي يعني (FCM(Fuzzy k-means , k-means ، مراحل پياده سازي ومزايا و معايب هر كدام تاكيد دارد. علاوه بر آن در اين مقاله انواع مختلف فاصله هاي متريك كه در فرايند طبقه بندي مورد استفاده قرار مي گيرند. شامل فاصله اقلديسي و مربع آن، فاصله مانهاتان، معيار همبستگي پيرسون و مربع آن، فاصله Chebychev و مربع معيار همبستگي اسپيرمن تعريف گرديده اند.

كلمات كليدي:
تكنيكهاي خوشه بندي ، خوشه بندي به روش k_means ، خوشه بندي به روش FCM ، فاصله هاي متريك
فايل ضميمه
نوع فايل: pdf khoshebandi.pdf (290.8 كيلو بايت, 1037 نمايش)
Astaraki آفلاين است   پاسخ با نقل قول
از Astaraki تشكر كرده اند:
mjalal (۱۲-۸-۱۳۸۹), mr.amir (۱۰-۱۲-۱۳۹۱), rahil6 (۰۸-۱۵-۱۳۸۹), Solsal (۰۹-۱۲-۱۳۹۰)

  #ADS
نشان دهنده تبلیغات
تبليغگر
 
 
 
تاريخ عضويت: -
محل سكونت: -
سن: 2010
پست ها: -
 

نشان دهنده تبلیغات is online