0% Complete
صفحه اصلی
/
پنجمین کنفرانس بین المللی محاسبات نرم
بررسی کارایی یک روش خوشهبندی مرکب با الگوریتمهای خوشهبندی منفرد شامل k- میانگین، k-مدوئید، خوشهبندی طیفی و خوشهبندی سلسله مراتبی تجمعی با شاخص اطلاعات متقابل نرمالشده
نویسندگان :
آرزو عاقلی یزدی
1
الهام عباسی هرفته
2
سید ابوالفضل شاهزاده فاضلی
3
1- دانشگاه یزد
2- دانشگاه یزد
3- دانشگاه یزد
کلمات کلیدی :
خوشهبندی،خوشهبندی مرکب،شاخص توافق جمعیت،خوشهبندی انباشت شواهد وزندار
چکیده :
هدف روش خوشهبندی مرکب ترکیب خوشهبندیهای متعدد برای رسیدن به یک خوشهبندی احتمالاً بهتر و قویتر است. یکی از مسألههای مطرح در رویکردهای خوشهبندی مرکب ایناست که بسیاری از رویکردها فاقد توانایی وزندهی به خوشهبندیهای پایه بدون دسترسی به دادههای اصلی هستند و میتوانند بهطور قابلتوجهی تحت تأثیر خوشهبندیهای با کیفیت پایین یا حتی بیکیفیت قرار بگیرند. در پژوهشها برای پرداختن به این محدودیت، خوشهبندی مرکب از طریق تخمین توافق جمعیت پیشنهاد شدهاست و شاخص توافق جمعیت نرمالشده (NCAI) برای ارزیابی کیفیت خوشهبندیهای پایه به شیوهای بدون نظارت ارائه شدهاست، بنابراین خوشهبندیهای پایه مطابق با اعتبار خوشهبندی آنها وزنگذاری شدهاند و با توجه به اطلاعات NCAI ، یک تابع اجماع با عنوان خوشهبندی انباشت شواهد وزندار (WEAC) پیشنهاد شدهاست. در این پژوهش الگوریتمهای پایه بهکار گرفتهشده در روشWEAC تغییر داده شدهاست و کارایی آن روی دو مجموعهداده استاندارد مورد بررسی قرار گرفتهاست.
لیست مقالات
لیست مقالات بایگانی شده
A Weighted Approach for Feature Selection in High-Dimensional and Incomplete Data
Negin Bagherpour - Behrang Ebrahimi
کاهش بعد داده ها به شیوه غربالگری
محمد کاظمی
شناسایی و اولویتبندی عوامل اثرگذار بر ریزش مشتریان در فروشگاههای آنلاین مبتنی بر رویکرد دادهکاوی
امیرحسین خاکساری - محمدحسن قلیزاده - محمد برزگر
The Basic Concepts of Convolutional Neural Networks
Farnaz Hoseini
Anti Soft Rings and Anti Soft Ideals in Rings
Rasul Rasuli
A branch and bound technique for finding the minimal solutions of the linear optimization problems subjected to Lukasiewicz FREs
Amin Ghodousian - Zahra Boreiri
مقایسه کارایی الگوریتم های یادگیری ماشین نظارتی (ANN, NB و SVM) برای پیش بینی شدت تصادفات | مطالعه موردی: کشور انگلستان - سال های 2010 تا 2014
سهیل رضاشعار - امیرعباس رصافی
NE-GCN: Advancing Knowledge Graph Link Prediction with Node2vec-Enhanced Graph Convolutional Networks
Mohammadreza Ghaffariannia - Rooholah Abedian - Ali Moeini
بررسی عملکرد مدل هیبریدی شبکه عصبی شعلۀ پروانه (ANN-MFO) در تخمین تبخیر و تعرق مرجع در اقلیم نیمهمرطوب (مطالعه موردی: ایستگاه سینوپتیک گرگان)
معین توسن - عباس خاشعی سیوکی - علی ماروسی - نسرین خوش نواز - محمدرضا قریب
The Effect of Interlayer Thickness on The Asymmetric InP-based Laser Performance
Zahra Danesh Kaftroudi - Abolfazl Mazandarani
بیشتر
ثمین همایش، سامانه مدیریت کنفرانس ها و جشنواره ها - نگارش 42.0.2