منوی کاربری
  • پشتیبانی: ۴۲۲۷۳۷۸۱ - ۰۴۱
  • سبد خرید

دانلود ترجمه مقاله بهبود دقت و کارایی الگوریتم خوشه بندی K میانگین

دانلود ترجمه مقاله بهبود دقت و کارایی الگوریتم خوشه بندی K میانگین
قیمت خرید این محصول
۱۶,۰۰۰ تومان
دانلود رایگان نمونه دانلود مقاله انگلیسی
عنوان فارسی
بهبود دقت و کارایی الگوریتم خوشه بندی K میانگین
عنوان انگلیسی
Improving the Accuracy and Efficiency of the k-means Clustering Algorithm
صفحات مقاله فارسی
12
صفحات مقاله انگلیسی
5
سال انتشار
2009
فرمت مقاله انگلیسی
PDF
فرمت ترجمه مقاله
ورد تایپ شده
کد محصول
3074
وضعیت ترجمه عناوین تصاویر و جداول
ترجمه نشده است
وضعیت ترجمه متون داخل تصاویر و جداول
ترجمه نشده است
وضعیت فرمولها و محاسبات در فایل ترجمه
به صورت عکس، درج شده است
رشته های مرتبط با این مقاله
مهندسی کامپیوتر
گرایش های مرتبط با این مقاله
مهندسی الگوریتم ها و محاسبات
مجله
کنگره جهانی مهندسی
دانشگاه
موسسه ملی فناوری Calicut، هند
کلمات کلیدی
تحلیل داده ها، خوشه بندی، الگوریتم میانگین k، الگوریتم میانگین k بهبود یافته
۰.۰ (بدون امتیاز)
امتیاز دهید
فهرست مطالب
چکیده
۱ مقدمه
۲ الگوریتم خوشه بندی میانگین K
۳ کار وابسته
۴ شیوه اصلاح شده
۵ پیچیدگی زمانی
۶ نتایج آزمایشی
۷ نتیجه گیری
نحوه خرید نسخه پاورپوینت این مقاله
نمونه چکیده متن اصلی انگلیسی
Abstract

Emergence of modern techniques for scientific data collection has resulted in large scale accumulation of data pertaining to diverse fields. Conventional database querying methods are inadequate to extract useful information from huge data banks. Cluster analysis is one of the major data analysis methods and the k-means clustering algorithm is widely used for many practical applications. But the original k-means algorithm is computationally expensive and the quality of the resulting clusters heavily depends on the selection of initial centroids. Several methods have been proposed in the literature for improving the performance of the k-means clustering algorithm. This paper proposes a method for making the algorithm more effective and efficient, so as to get better clustering with reduced complexity.

نمونه چکیده ترجمه متن فارسی
چکیده
ظهور تکنیک های مدرن برای جمع آوری داده های علمی موجب جمع آوری داده های وابسته به فیلدهای متنوع در مقیاس وسیع گردیده است. روشهای تحقیق پایگاه داده متداول برای استخراج اطلاعات مفید از بانک های داده عظیم کافی نمی باشند. تحلیل خوشه ای یکی از روشهای اصلی تحلیل داده ها به شمار رفته و الگوریتم خوشه بندی میانگین K در بسیاری از برنامه های کاربردی عملی کاربرد دارد. اما الگوریتم میانگین k اصلی از لحاظ محاسباتی هزینه بر بوده و کیفیت خوشه های حاصله عمدتاً به انتخاب مراکز اولیه بستگی دارد. روشهای مختلفی در پژوهش برای بهبود عملکرد الگوریتم خوشه بندی میانگین k پیشنهاد شده است. این مقاله روشی برای موثر و کارآمد تر جلوه دادن الگوریتم جهت دستیابی به خوشه بندی بهتر با پیچیدگی کاهش یافته پیشنهاد می کند.

بدون دیدگاه