ViraScience.
Article

ارائه یک الگوریتم خوشه بندی برای داده های دسته ای با ترکیب معیارها

مریم نبی لو، maryam nabiloo نگین دانشپور، negin daneshpour shahid rajaee teacher training universityتهران- لویزان- خیابان شعبانلو- دانشگاه تربیت دبیر شهید رجایی

Abstract

خوشه بندی یکی از تکنیک های اصلی داده کاوی است. خوشه بندی فرایندی است که مجموعه داده ها را داخل گروه هایی طبقه بندی می کند. در خوشه بندی داده های موجود در یک خوشه بیشترین شباهت را به هم دارند و داده های موجود در دو خوشه متفاوت بیشترین تفاوت را با هم دارند. الگوریتم های خوشه بندی با توجه به نوع داده ها به دو دسته تقسیم می شوند: الگوریتم های خوشه بندی داده های عددی و الگوریتم های خوشه بندی داده های دسته ای. الگوریتم های خوشه بندی داده های دسته ای به دلیل ماهیت و کاربرد این داده ها نسبت به الگوریتم های خوشه بندی داده های عددی از اهمیت بالایی برخوداراند. هر یک از این الگوریتم ها با توجه به نوع داده (عددی یا دسته ای) از معیارهای شباهت متفاوتی در خوشه بندی استفاده می کنند. در این مقاله یک روش جدید در خوشه بندی با استفاده از ترکیب معیارهای شباهت overlay و jaccard روی یک الگوریتم سلسله مراتبی برای داده های دسته ای پیشنهاد می شود. معیار overlay تفاوت بین داده ها را به صورت صفر و یک بیان می کند که این امر باعث از بین رفتن برخی اطلاعات مربوط به داده ها می شود. معیار jaccard نیز اگر به تنهایی برای اندازه گیری شباهت میان داده ها استفاده گردد بیشتر خوشه ها در یک ناحیه از مجموعه داده ها انتخاب می شوند. بنابراین در این مقاله ترکیبی از دو معیار به کار رفته است.آزمایشات نشان می دهد که روش ارائه شده در این مقاله توانسته است که نتایج حاصل از خوشه بندی را بهبود ببخشد و بطور متوسط 10 درصد بهبود بر روی هر فاکتور ارزیابی داشته است.

Similar items

  • ارائه یک الگوریتم خوشه بندی برای داده های دسته ای با ترکیب معیارها

    Article2021محاسبات نرممریم نبی لو، نگین دانشپور

    خوشه بندی یکی از تکنیک های اصلی داده کاوی است. خوشه بندی فرایندی است که مجموعه داده ها را داخل گروه هایی طبقه بندی می کند. در خوشه بندی داده های موجود در یک خوشه بیشترین شباهت را به هم دارند و داده های موجود در دو خوشه متفاوت بیشترین تفاوت را با هم دارند. الگوریتم های خوشه بندی ب

  • اجرای الگوریتم خوشه بندی بهبود یافته بر روی داده های ناباروری

    Articleمهندسی صنایع و مدیریتنرگس آقابیگی، دانشکده ی مهندسی صنایع، دانشگاه خواجه نصیرالدین طوسی سمیه علیزاده، دانشکده ی مهندسی صنایع، دانشگاه خواجه نصیرالدین طوسی ابوطالب صارمی، رئیس بیمارستان صارم

    داده کاوی تلفیقی از روش های هوش مصنوعی برای شناسایی اطلاعات یا استخراج دانش از داده هاست، به نحوی که دانش حاصل در حوزه های تصمیم گیری، پیش بینی، پیش گویی و تخمین مورد استفاده قرار گیرد. تحلیل رفتار مشتریان، دسته بندی مشتریان، شناخت نیازهای مشتریان و پیش بینی در مباحث پزشکی ازجمله

  • تعیین توصیفگرهای بهینه در خوشه بندی داده های لیدار با استفاده از الگوریتم ژنتیک

    Articleمهندسی نقشه برداری و اطلاعات مکانیحیدر راستی ویس، h. rastiveis school of surveying and geospatial engineering,college of engineering, university of tehran,خ کارگر شمالی-پردیس دانشکده های فنی- دانشکده نقشه برداری گروه فتوگرامتری فرهاد صمدزادگان، f. samadzadegan school of surveying and geospatial engineering,college of engineering, university of tehran,خ کارگر شمالی-پردیس دانشکده های فنی- دانشکده نقشه برداری گروه فتوگرامتری

    در سال­های اخیر، تکنولوژی لیدار به عنوان یک تکنولوژی کارآمد در کسب اطلاعات سه­بعدی از زمین شناخته شده و هر روز بیش از پیش مورد توجه مهندسین و متخصصان مهندسی ژئوماتیک قرار می­گیرد. استخراج عوارض از داده­های لیدار به عنوان یکی از مسائل مهم در پردازش این اطلاعات به شمار می­آید. یکی

  • ارایه الگویی برای خوشه‏بندی داده ها مبتنی بر الگوریتم جستجوی هارمونی

    Articleتحقیق در عملیات در کاربردهای آنمحمدرضا شهریاری

    خوشه ‏بندی، فرآیند طبقه ‏بندی داده ها داخل گروه های یا خوشه های خاص، بر اساس درجه شباهت بین آن ها است که یکی از روش های پر کاربرد در بسیاری از زمینه های علمی است. در ادبیات خوشه ‏بندی، در سال های اخیر محققان به منظور اجتناب از گرفتار شدن در بهینه محلی، الگوریتم های فرا ابتکاری که

  • بهبود الگوریتم خوشه بندی مشتریان برای توزیع قطعات یدکی با رویکرد داده کاوی (k-means)

    Articleبین المللی مهندسی صنایع و مدیریت تولیدmohammad mehdi sepehri associate professor, industrial engineering department, tarbiat modares university، mehrdad kargari ph.d. student, industrial engineering department, tarbiat modares university

    خوشه بندی مشتریان با رویکرد داده کاوی برای بهینه سازی برنامه حمل ونقل یکی از مباحث مطرح در حوزه مدیریت ارتباط با مشتریان است. در این مقاله داده ها و اطلاعات واقعی توزیع قطعات یدکی شرکت ایساکو در طی 36 ماه گذسته مورد بررسی قرارگرفته است و به کمک ابزار داده کاوی شباهت رفتار تقاضای

  • بهبود الگوریتم خوشه بندی مشتریان برای توزیع قطعات یدکی با رویکرد داده کاوی (k-means)

    Article2012بین المللی مهندسی صنایع و مدیریت تولیدMohammad Mehdi Sepehri، Mehrdad Kargari

    خوشه بندی مشتریان با رویکرد داده کاوی برای بهینه سازی برنامه حمل ونقل یکی از مباحث مطرح در حوزه مدیریت ارتباط با مشتریان است. در این مقاله داده‌ها و اطلاعات واقعی توزیع قطعات یدکی شرکت ایساکو در طی 36 ماه گذسته مورد بررسی قرارگرفته است و به کمک ابزار داده کاوی شباهت رفتار تقاضای