آشنایی با موضوع

خوشه بندی طیفی از مساله بخش بندی گراف مشتق می شود. هدف این الگوریتم این است که بخش هایی را در گراف شبکه بیابد که برش(cut) (تعداد کلی لبه های بین دو مجموعه غیر متصل از گره‌ها) مینیمم شود. درسال های اخیر خوشه بندی طیفی برای تجزیه و تحلیلی داده های بسیار مورد توجه قرار گرفته است زیرا می تواند بصورت کارامد توسط ابزارهای استاندارد جبرخطی حل شود و مشکل بهینه محلی را تحمل نکند. با این وجود در خوشه بندی طیفی انتخاب پارامتر مقیاس مناسب در معیار شباهت هسته گوسی مشکل است. هنگامی که داده ها ساختاری غیرخطی و نامحدب داشته باشند، روش های کلاسیک خوشه بندی قادر به افراز صحیح داده ها نمی باشند. خوشه بندی طیفی یک راه حل مناسب برای چنین مسائلی می باشد. در خوشه بندی طیفی با مدل کردن میزان شباهت داده ها و استفاده از بردارهای ویژه انواع ماتریس های لاپلاسین، سعی شده است تا با ارائه الگوریتم های مختلف، از دانشی که در مجموعه داده وجود دارد برای افراز آن استفاده شود.
در این صفحه تعداد 175 مقاله تخصصی درباره خوشه بندی طیفی که در نشریه های معتبر علمی و پایگاه ساینس دایرکت (Science Direct) منتشر شده، نمایش داده شده است. برخی از این مقالات، پیش تر به زبان فارسی ترجمه شده اند که با مراجعه به هر یک از آنها، می توانید متن کامل مقاله انگلیسی همراه با ترجمه فارسی آن را دریافت فرمایید.
در صورتی که مقاله مورد نظر شما هنوز به فارسی ترجمه نشده باشد، مترجمان با تجربه ما آمادگی دارند آن را در اسرع وقت برای شما ترجمه نمایند.
مقالات ISI خوشه بندی طیفی (ترجمه نشده)
مقالات زیر هنوز به فارسی ترجمه نشده اند.
در صورتی که به ترجمه آماده هر یک از مقالات زیر نیاز داشته باشید، می توانید سفارش دهید تا مترجمان با تجربه این مجموعه در اسرع وقت آن را برای شما ترجمه نمایند.