این سایت در حال حاضر پشتیبانی نمی شود و امکان دارد داده های نشریات بروز نباشند
پردازش علائم و داده ها، جلد ۱۵، شماره ۴، صفحات ۱۷-۳۰
عنوان فارسی انتخاب اعضای ترکیب در خوشه‌بندی ترکیبی با استفاده از رأی‌گیری
چکیده فارسی مقاله خوشه‌­بندی ترکیبی، به ترکیب نتایج حاصل از خوشه­‌بندی­‌های موجود می‌­پردازد. پژوهش‌های دهۀ اخیر نشان می‌­دهد، چنان­چه به جای ترکیب همۀ خوشه­‌بندی‌­ها، تنها دست‌ه­ای از ­­­­­­­آن­ها بر اساس کیفیت و تنوع انتخاب شوند، آن­چه به‌­عنوان خروجی خوشه­بندی ترکیبی حاصل می‌شود، بسیار دقیق­‌تر خواهد بود. این مقاله به ارائه یک روش جدید برای انتخاب خوشه­‌بندی‌­ها بر اساس دو معیار کیفیت و تنوع می‌پردازد. برای رسیدن به این منظور ابتدا خوشه­‌بندی­‌های مختلفی با استفاده از الگوریتم k-means ایجاد می­‌شود که در هر بار اجرا، مقدار k یک عدد تصادفی است. در ادامه خوشه‌بندی­‌هایی که به این نحو تولید شده­اند، با استفاده از الگوریتم جدیدیکه براساس میزان شباهت بین خوشه‌بندی‌­های مختلف عمل می­‌کند، گروه‌­بندی می‌­شوند تا آن­‌دسته از خوشه‌­بندی‌­هایی که به یکدیگر شبیه‌­اند در یک دسته قرار گیرند؛ سپس از هر دسته، با استفاده از یک روش مبتنی بر رأی­‌گیری، با کیفیت‌­ترین عضو آن برای ایجاد خوشه‌­بندی ترکیبی انتخاب می‌شود. در این مقاله از سه تابع HPGA، CSPA و MCLA برای ترکیب خوشه‌­بندی‌­ها استفاده شده است. در انتها برای آزمایش  این روش جدید از  داده­‌های واقعی موجود در پایگاه داده UCI استفاده شده است. نتایج نشان می‌­دهد که روش جدید کارایی بیشتر و دقیق‌تری نسبت به روش‌­های قبلی دارد.
کلیدواژه‌های فارسی مقاله خوشه‌بندی ترکیبی، انتخاب اعضا، شاخص‌های ارزیابی کیفیت
عنوان انگلیسی Cluster ensemble selection using voting
چکیده انگلیسی مقاله Clustering is the process of division of a dataset into subsets that are called clusters, so that objects within a cluster are similar to each other and different from objects of the other clusters. So far, a lot of algorithms in different approaches have been created for the clustering. An effective choice (can combine) two or more of these algorithms for solving the clustering problem. Ensemble clustering combines results of existing clusterings to achieve better performance and higher accuracy. Instead of combining all of existing clusterings, recent decade researchers show, if only a set of clusterings is selected  based on quality and diversity, the result of ensemble clustering would be more accurate. This paper proposes a new method for ensemble clustering based on quality and diversity. For this purpose, firstly first we need a lot of different base clusterings to combine them. Different base clusterings are generated by k-means algorithm with random k in each execution. After the generation of base clusterings, they are put into different groups according to their similarities using a new grouping method. So that clusterings which are similar to each other are put together in one group. In this step, we use normalized mutual information (NMI) or adjusted rand index (ARI) for computing similarities and dissimilarities between the base clustering. Then from each group, a best qualified clustering is selected via a voting based method. In this method, Cluster-validity-indices were used to measure the quality of clustering. So that all members of the group are evaluated by the Cluster-validity-indices. In each group, clustering that optimizes the most number of Cluster-validity-indices is selected.  Finally, consensus functions combine all selected clustering. Consensus function is an algorithm for combining existing clusterings to produce final clusters. In this paper, three consensus functions including CSPA, MCLA, and HGPA have used for combining clustering. To evaluate proposed method, real datasets from UCI repository have used. In experiment section, the proposed method is compared with the well-known and powerful existing methods. Experimental results demonstrate that proposed algorithm has better performance and higher accuracy than previous works.  
کلیدواژه‌های انگلیسی مقاله Ensemble clustering, select member, validity index
نویسندگان مقاله علیرضا لطیفی پاکدهی | Alireza Latifi Pakdehi
Shahid Rajaee Teacher Training University
دانشگاه تربیت دبیر شهید رجایی

نگین دانشپور | Negin Daneshpour
Shahid Rajaee Teacher Training University
دانشگاه تربیت دبیر شهید رجایی

نشانی اینترنتی http://jsdp.rcisp.ac.ir/browse.php?a_code=A-10-815-3&slc_lang=fa&sid=1
فایل مقاله اشکال در دسترسی به فایل - ./files/site1/rds_journals/1315/article-1315-1358690.pdf
کد مقاله (doi)
زبان مقاله منتشر شده fa
موضوعات مقاله منتشر شده مقالات پردازش داده‌های رقمی
نوع مقاله منتشر شده پژوهشی
برگشت به: صفحه اول پایگاه   |   نسخه مرتبط   |   نشریه مرتبط   |   فهرست نشریات