این سایت در حال حاضر پشتیبانی نمی شود و امکان دارد داده های نشریات بروز نباشند
پردازش علائم و داده ها، جلد ۷، شماره ۱، صفحات ۱۹-۳۲
عنوان فارسی خوشه‌بندی ترکیبی مبتنی بر زیرمجموعه‌ای از خوشه‌های اولیه
چکیده فارسی مقاله اکثر مطالعات اخیر در حوزه خوشه‌بندی ترکیبی سعی می‌کنند ابتدا خوشه‌بندی‌های اولیه‌ای تولید کنند که تا حد ممکن دارای پراکندگی باشند، سپس با اعمال یک تابع توافقی همه این نتایج را با هم ترکیب می‌کنند. در این مقاله یک روش جدید خوشه‌بندی ترکیبی ارائه شده است که در آن به جای استفاده از تمام نتایج اولیه، تنها از زیرمجموعه‌ای از خوشه‌های اولیه استفاده می‌شود. ایده اصلی در این روش استفاده از خوشه‌های پایدار در ترکیب نهایی است. برای ترکیب خوشه‌های انتخابی، از تابع توافقی مبتنی بر ماتریس همبستگی استفاده شده است. از آن جایی که ساخت ماتریس همبستگی با در دسترس بودن تنها تعدادی از خوشه‌ها، با روش‌های موجود امکان‌پذیر نمی‌باشد، در این مقاله یک روش جدید به نام خوشه‌بندی انباشت مدارک توسعه یافته، برای ساخت ماتریس همبستگی از زیرمجموعه‌ای از خوشه‌ها پیشنهاد شده است. برای ارزیابی خوشه‌ها، از پایداری مبتنی بر اطلاعات متقابل استفاده شده است. نتایج تجربی روی چندین مجموعه داده استاندارد نشان می‌دهد که روش پیشنهادی به طور موثری نتایج خوشه‌بندی‌های اولیه را بهبود می‌دهد. همچنین، مقایسه نتایج در مقایسه با سایر روش‌های خوشه‌بندی ترکیبی نشان از کارایی بالای روش پیشنهادی دارد.
کلیدواژه‌های فارسی مقاله خوشه‌بندی ترکیبی، پایداری خوشه، اطلاعات متقابل، ماتریس همبستگی
عنوان انگلیسی Clustering Ensemble based on combination of subset of primary clusters
چکیده انگلیسی مقاله Most of the recent studies have tried to create diversity in primary results and then applied a consensus function over all the obtained results to combine the weak partitions. In this paper a clustering ensemble method is proposed which is based on a subset of primary clusters. The main idea behind this method is using more stable clusters in the ensemble. The stability is applied as a goodness measure of the clusters. The clusters which satisfy a threshold of this measure are selected to participate in the ensemble. For combining the chosen clusters, a co-association based consensus function is applied. A new EAC based method which is called Extended Evidence Accumulation Clustering, EEAC, is proposed for constructing the Co-association Matrix from the subset of clusters. The proposed method is evaluated on five different UCI repository data sets. The empirical studies show the significant improvement of the proposed method in comparison with other ones.  
کلیدواژه‌های انگلیسی مقاله
نویسندگان مقاله حسین علیزاده |
دانشگاه علم و صنعت ایران

محسن مشکی | Mohsen Moshki
دانشگاه علم و صنعت ایران

حمید پروین | Hamid Parvin
دانشگاه علم و صنعت ایران

بهروز مینایی بیدگلی | Behrouz Minaei Bidgoli
دانشگاه علم و صنعت ایران

نشانی اینترنتی http://jsdp.rcisp.ac.ir/browse.php?a_code=A-10-297-2&slc_lang=fa&sid=1
فایل مقاله اشکال در دسترسی به فایل - ./files/site1/rds_journals/1315/article-1315-600149.pdf
کد مقاله (doi)
زبان مقاله منتشر شده fa
موضوعات مقاله منتشر شده مقالات پردازش گفتار
نوع مقاله منتشر شده پژوهشی
برگشت به: صفحه اول پایگاه   |   نسخه مرتبط   |   نشریه مرتبط   |   فهرست نشریات