کد مقاله کد نشریه سال انتشار مقاله انگلیسی نسخه تمام متن
4947045 1439560 2017 34 صفحه PDF دانلود رایگان
عنوان انگلیسی مقاله ISI
A review of clustering techniques and developments
ترجمه فارسی عنوان
بررسی تکنیک های خوشه بندی و تحولات
کلمات کلیدی
یادگیری بی نظیر، خوشه بندی داده کاوی، تشخیص الگو، اقدامات مشابهی،
ترجمه چکیده
این مقاله یک مطالعه جامع در مورد خوشه بندی ارائه می دهد: خروج از روش ها و تحولات انجام شده در زمان های مختلف. خوشه بندی به عنوان یک یادگیری بی نظیر تعریف شده است که در آن اشیا بر اساس برخی از شباهت ذاتی بین آنها گروه بندی می شوند. روش های مختلفی برای خوشه بندی اشیاء مانند سلسله مراتبی، تقسیم بندی، شبکه، چگالی بر اساس و مبتنی بر مدل وجود دارد. روشی که در این روش ها مورد استفاده قرار می گیرد با حالت های مربوط به هنر و کاربرد آن مورد بحث قرار می گیرد. مقیاس های شباهت و همچنین معیارهای ارزیابی که مولفه های اصلی خوشه بندی هستند نیز در این مقاله ارائه شده است. برنامه های کاربردی خوشه بندی در برخی از زمینه ها مانند تقسیم بندی تصویر، تشخیص چهره و شخصیت و استخراج داده ها برجسته شده است.
موضوعات مرتبط
مهندسی و علوم پایه مهندسی کامپیوتر هوش مصنوعی
پیش نمایش مقاله
بررسی تکنیک های خوشه بندی و تحولات
چکیده انگلیسی
This paper presents a comprehensive study on clustering: exiting methods and developments made at various times. Clustering is defined as an unsupervised learning where the objects are grouped on the basis of some similarity inherent among them. There are different methods for clustering the objects such as hierarchical, partitional, grid, density based and model based. The approaches used in these methods are discussed with their respective states of art and applicability. The measures of similarity as well as the evaluation criteria, which are the central components of clustering, are also presented in the paper. The applications of clustering in some fields like image segmentation, object and character recognition and data mining are highlighted.
ناشر
Database: Elsevier - ScienceDirect (ساینس دایرکت)
Journal: Neurocomputing - Volume 267, 6 December 2017, Pages 664-681
نویسندگان
, , , , , , , , ,