مشخصات مقاله:
عنوان فارسی مقاله:
پیشرفتهای اخیر در خوشه بندی: بررسی کوتاه
عنوان انگلیسی مقاله:
Recent Advances in Clustering: A Brief Survey
کلمات کلیدی مقاله:
تحلیل الگو، هوش ماشین، سیستم های هوشمند
مناسب برای رشته های دانشگاهی زیر:
مهندسی کامپیوتر
مناسب برای گرایش های دانشگاهی زیر:
هوش مصنوعی
وضعیت مقاله انگلیسی و ترجمه:
مقاله انگلیسی را میتوانید به صورت رایگان با فرمت PDF از باکس زیر دانلود نمایید. ترجمه این مقاله با فرمت WORD – DOC آماده خریداری و دانلود آنی میباشد.
فهرست مطالب:
چکیده
1. مقدمه
2. روشهای تقسیم بندی
3. خوشه بندی سلسله مراتبی
4. خوشه بندی مبتنی بر چگالی
5. خوشه بندی مبتنی بر شبکه
6. روشهای مبتنی بر مدل
7. مجموعه های الگوریتم های خوشه بندی
8. نتیجه گیری
قسمتی از مقاله انگلیسی و ترجمه آن:
1 Introduction
Cluster analysis is an unsupervised learning method that constitutes a cornerstone of an intelligent data analysis process. It is used for the exploration of inter-relationships among a collection of patterns, by organizing them into homogeneous clusters. It is called unsupervised learning because unlike classification (known as supervised learning), no a priori labeling of some patterns is available to use in categorizing others and inferring the cluster structure of the whole data. Intra-connectivity is a measure of the density of connections between the instances of a single cluster. A high intra-connectivity indicates a good clustering arrangement because the instances grouped within the same cluster are highly dependent on each other. Inter-connectivity is a measure of the connectivity between distinct clusters. A low degree of interconnectivity is desirable because it indicates that individual clusters are largely independent of each other.
1. مقدمه
تحلیل خوشه ای یک روش یادگیری بی نظارت است که بنیاد و اساس یک فرایند تحلیل داده هوشمند را تشکیل می دهد. از آن برای کشف روابط متقابل میان مجموعه الگوها، با سازماندهی آنها در خوشه های همگن استفاده می شود. آن یادگیری بی نظارت نامیده می شود، زیرا برخلاف دسته بندی ( معروف به یادگیری نظارت شده)، برچسب گذاری قبلی برخی از الگوها موجود نمی باشد که بتوان از آنها در طبقه بندی دیگران و استنباط ساختار خوشه ای کل داده ها استفاده نمود. اتصال درونی ، معیار چگالی وتراکم اتصالات بین نمونه های یک خوشه محسوب می شود. اتصال درونی بالا، چیدمان خوب خوشه بندی را نشان می دهد، زیرا نمونه های گروه بندی شده در یک خوشه، وابستگی بالایی به یکدیگر دارند. اتصال درونی، معیار اتصال بین خوشه های متمایز می باشد. درجه پائین اتصال متقابل مطلوب می باشد، زیرا نشان می دهد خوشه های فردی عمدتاً مستقل از یکدیگر هستند.
