بهبود پیچیدگی زمانی روش های خوشه بندی سلسله مراتبی با کمک دیاگرام وروئی

سال انتشار: 1391
نوع سند: مقاله کنفرانسی
زبان: فارسی
مشاهده: 1,260

فایل این مقاله در 8 صفحه با فرمت PDF قابل دریافت می باشد

استخراج به نرم افزارهای پژوهشی:

لینک ثابت به این مقاله:

شناسه ملی سند علمی:

ICS11_036

تاریخ نمایه سازی: 14 مهر 1392

چکیده مقاله:

گروه بندی اشیا(داده ها) به صورتی کهاشیا یک گروه با یکدیگر حداکثر شباهت و با گروه دیگر حداکثر تفاوت را داشته باشند، خوشه بندی نامیده می شود. خوشه بندی داده ها یک مسئله NP-Hard می باشد. بنابراین روش های ارائه شده تاکنون روش های تقریبی هستند. یکی از مهمترین روش های خوشه بندی،روش سلسله مراتبی است. در روش سلسه مراتبی خوشه های شبیه به هم در هر گام با هم ترکیب و خوشه بزرگتری ایجاد می شود. در این روش در هر مرحله پس از ایجاد یک خوشه جدید فاصله این خوشه تا تمامی خوشه ها محاسبه می شود. پیچیدگی زمانی این کار بالا است. شبیه ترین(نزدیکترین) خوشه به یک خوشه همیشه در همسایگی خوشه قرار دارد. بنابراین تنها لازم است فاصله هر خوشه تا همسایگانش محاسبه شود. در صورتی که روی داده ها دیاگرام وروئی(Voronio Diagram) وجود داشته باشد،همسایه های یک خوشه را می توان با کمک این دیاگرام به دست آورد. در ای پژوهش با کمک دیاگرام وروئی، فضای جستجوی یافتن شبیه ترین خوشه به همسایه های یک خوشه می یابد. این موضوع سبب کاهش پیچیدگی زمانی روش ارائه شده می شود. الگوریتم ارائه شده با جاوا پیاده سازی و با کمک ابزار وکا(Weka) با روش خوشه بندی سلسله مراتبی Average-Linkage مقایسه شد. نتایج ارزیابی بهبود زمانی روش ارائه شده را در مقایسه با روش مورد مقایسه نشان می دهد

نویسندگان

نسرین مظاهری سوانی

عضو هیات علمی دانشگاه شیخ بهایی، بهارستان، اصفهان

علی کرمی

عضو هیات علمی دانشگاه شیخ بهایی، بهارستان، اصفهان

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 :
  • دقت بیشتر در این نمودارها دیده می‌شود هر چقدر تعداد ...
  • analysis, " Wikipedia, the free encyclopedia. 09-Dec- lusterع [13] 2012. ...
  • _ Survey _ Neural Networks, IEEE Transactions on, vol. I6, ...
  • M. K1vrivanek and J. Moravek, NP-hard problems in hierarchical -ree ...
  • M. Mahajan, P. Nimbhorkar, and K. Varadarajan, Fhe planar k-means ...
  • clustering in machine cels formation applications, " Computers _ Industrial ...
  • woronoi diagram, " Wikipedia, the free encyclopedia. 14-Dec- 2012. ...
  • R. R. Bouckaert, E. Frank, M. A. Hall, G. Holmes, ...
  • R. R. Bouckaert, E. Frank, M. Hall, R. Kirkby, P. ...
  • A. K. Jain, _ clustering: 50 years beyond K-means, " ...
  • I. Uchiyama, Hierarchical clustering algorithm for ...
  • P. Dawyndt, H. D. Meyer, and B. D. Baets, Fhe ...
  • A. K. Jain, R. P. W. Duin, and J. Mao, ...
  • _ He, A review of clustering algorithms as applied in ...
  • R. Xu and D. Wunsch, Clustering, vol. 10. Wiley-IEEE Press, ...
  • M. Ester, H. P. Kriegel, J. Sander, and X. Xu, ...
  • S. Roy and D. Bhattacharyya, An approach to find embedded ...
  • in Knowledge Discovery and Data Mining, W.-K. Ng, M. Kitsuregawa, ...
  • M. K. Santhisree and A. Damodaram, sSM -DBSCANand ...
  • C. Plant and , Bohm, Rarallel EM-clustering: Fast convergence by ...
  • K. Wang, B. Wang, and L. Peng, eVAP: Validation for ...
  • نمایش کامل مراجع