بهبود آماری k-mean عملکرد خوشه بندی

عنوان بهبود آماری k-mean عملکرد خوشه بندی
نویسنده زفال، منیس، احسنگل، عبدالله
تاریخ انتشار: 2024-01-01
محل انتشار - IEEE
موضوع K-به معنی به علاوه، K-means، یادگیری بدون نظارت
نوع سند
زبان انگلیسی
دیجیتال بله
نسخه خطی خیر
کتابخانه: دانشگاه اوزیغین
شناسه دارایی کتابخانه 979-8-3503-8897-8
شماره ثبت 054fdd9b-3715-4781-aa9e-876666a0e116
محل کتابخانه علوم کامپیوتر، هوش مصنوعی و مهندسی داده
تاریخ 2024-01-01
متن نمونه الگوریتم سنتی K-means سنگ بنای یادگیری بدون نظارت است که روشی ساده و در عین حال موثر برای خوشه بندی داده ها ارائه می کند. با این حال، اتکای آن به مقداردهی اولیه تصادفی اغلب منجر به نتایج خوشه‌بندی زیر بهینه می‌شود. این مقاله یک نسخه پیشرفته از الگوریتم K-means را با هدف بهبود نتایج خوشه‌بندی معرفی می‌کند. روش پیشنهادی ما بستگی به شناسایی خوشه‌هایی دارد که باید تقسیم شوند و خوشه‌هایی که باید از طریق یک سری عملیات آماری ادغام شوند و به‌طور تکراری مشکل را حل کنند که منجر به خوشه‌های بهتر می‌شود. ما رویکرد پیشنهادی خود را با الگوریتم‌های K-Means و K-means++ در S-2، قیمت مسکن کالیفرنیا، و مجموعه داده‌های EMNIST مقایسه می‌کنیم که بهبود عملکرد را نشان می‌دهند.
DOI 10.1109/SIU61531.2024.10601123
مشاهده در منبع دانشگاه اوزیغین دانشگاه اوزیغین - موتور جستجوی آثار تاریخی، آرشیوها و نشریات
دانشگاه اوزیغین - موتور جستجوی آثار تاریخی، آرشیوها و نشریات دانشگاه اوزیغین

بهبود آماری k-mean عملکرد خوشه بندی

نویسنده زفال، منیس، احسنگل، عبدالله
تاریخ انتشار 2024-01-01
محل انتشار - IEEE
موضوع K-به معنی به علاوه، K-means، یادگیری بدون نظارت
نوع سند
زبان انگلیسی
دیجیتال بله
نسخه خطی خیر
کتابخانه دانشگاه اوزیغین
شناسه دارایی کتابخانه 979-8-3503-8897-8
شماره ثبت 054fdd9b-3715-4781-aa9e-876666a0e116
محل کتابخانه علوم کامپیوتر، هوش مصنوعی و مهندسی داده
تاریخ 2024-01-01
متن نمونه الگوریتم سنتی K-means سنگ بنای یادگیری بدون نظارت است که روشی ساده و در عین حال موثر برای خوشه بندی داده ها ارائه می کند. با این حال، اتکای آن به مقداردهی اولیه تصادفی اغلب منجر به نتایج خوشه‌بندی زیر بهینه می‌شود. این مقاله یک نسخه پیشرفته از الگوریتم K-means را با هدف بهبود نتایج خوشه‌بندی معرفی می‌کند. روش پیشنهادی ما بستگی به شناسایی خوشه‌هایی دارد که باید تقسیم شوند و خوشه‌هایی که باید از طریق یک سری عملیات آماری ادغام شوند و به‌طور تکراری مشکل را حل کنند که منجر به خوشه‌های بهتر می‌شود. ما رویکرد پیشنهادی خود را با الگوریتم‌های K-Means و K-means++ در S-2، قیمت مسکن کالیفرنیا، و مجموعه داده‌های EMNIST مقایسه می‌کنیم که بهبود عملکرد را نشان می‌دهند.
DOI 10.1109/SIU61531.2024.10601123
دانشگاه اوزیغین - موتور جستجوی آثار تاریخی، آرشیوها و نشریات
دانشگاه اوزیغین شما در حال هدایت مجدد هستید...

لطفاً صبر کنید