التحسين الإحصائي لـ k يعني أداء التجميع
| العنوان | التحسين الإحصائي لـ k يعني أداء التجميع |
|---|---|
| المؤلف | Zaval, Mounes, Ihsanoglu, Abdullah |
| تاريخ النشر: | 2024-01-01 |
| مكان النشر | - IEEE |
| الموضوع | K-تعني زائد، K-تعني، التعلم غير الخاضع للرقابة |
| النوع | وثيقة |
| اللغة | الإنجليزية |
| رقمي | نعم |
| مخطوط | لا |
| المكتبة: | جامعة اوزيجين |
| معرف أصل المكتبة | 979-8-3503-8897-8 |
| رقم السجل | 054fdd9b-3715-4781-aa9e-876666a0e116 |
| موقع المكتبة | علوم الكمبيوتر والذكاء الاصطناعي وهندسة البيانات |
| التاريخ | 2024-01-01 |
| نص عينة | تعد خوارزمية K-means التقليدية حجر الزاوية في التعلم غير الخاضع للرقابة، حيث توفر طريقة بسيطة وفعالة لتجميع البيانات. ومع ذلك، فإن اعتمادها على التهيئة العشوائية غالبًا ما يؤدي إلى نتائج تجميع دون المستوى الأمثل. تقدم هذه الورقة نسخة محسنة من خوارزمية K-means، والتي تهدف إلى تحسين نتائج التجميع. تعتمد منهجيتنا المقترحة على تحديد المجموعات التي تحتاج إلى التقسيم والمجموعات التي تحتاج إلى دمجها من خلال سلسلة من العمليات الإحصائية وحل المشكلة بشكل متكرر مما يؤدي إلى مجموعات أفضل. قمنا بمقارنة نهجنا المقترح مع خوارزميات K-Means وK-means++ على S-2، وأسعار المساكن في كاليفورنيا، ومجموعات بيانات EMNIST التي تظهر تحسينات في الأداء. |
| DOI | 10.1109/SIU61531.2024.10601123 |
