Loading...
دانلود ترجمه مقاله مقایسه الگوریتم خوشه بندی فازی و سخت
ترجمه مقاله A Comparative study Between Fuzzy Clustering Algorithm and Hard Clustering Algorithm
در این پست ترجمه مقاله مقایسه الگوریتم خوشه بندی فازی و سخت را با عنوان انگلیسی A Comparative study Between Fuzzy Clustering Algorithm and Hard Clustering Algorithm برای شما عزیزان آماده کردیم که در ادامه می توانید چکیده و مقدمه فارسی از این مقاله را مطالعه نمائید. مقاله اصلی نیز به صورت رایگان قابل دانلود است.
چکیده ترجمه مقاله مقایسه الگوریتم خوشه بندی فازی و سخت: خوشه بندی داده ها، یکی از حوزه های مهم داده کاوی می باشد. در این تحقیق که یک تحقیق بدون نظارت است داده هایی با انواع مشابه در یک خوشه قرار گرفته و داده هایی با انواع دیگر هم در یک خوشه دیگر قرار داده می شوند. میانگین فازی Fuzzy C Means یک تکنیک خوشه بندی بسیار مهم مبتنی بر منطق فازی است. در بین تکنیک های مشهور، تعدادی تکنیک خوشه بندی سخت مثل K-means هم داریم. در این مقاله یک مطالعه مقایسه ای بین الگوریتم خوشه بندی فازی و الگوریتم خوشه بندی سخت انجام می گیرد.
توضیحات بیشتر ترجمه مقاله مقایسه الگوریتم خوشه بندی فازی و سخت و دانلود رایگان مقاله اصلی در ادامه مطلب. ترجمه عنوان دقیق این مقاله، “يک مطالعه ی مقايسه ای بين الگوريتم خوشه بندی فازی و الگوريتم خوشه بندی سخت” می باشد.
مقدمه ترجمه مقاله مقایسه الگوریتم خوشه بندی فازی و سخت: خوشه بندی داده ها، به عنوان یکی از حوزه های مهم داده کاوی شناخته شده است و عبارت است از فرایند تقسیم عناصر داده ها به گروه های مختلف (موسوم به خوشه ها)، به طوری که عناصر واقع در یک گروه شباهت زیادی با هم دارند ولی با عناصر واقع در گروه های دیگر فرق دارند. منظور این است که فرایند خوشه بندی باید از دو خصوصیت زیر تبعیت کند:
- خصوصیت میان خوشه ای بالا
- خاصیت درون خوشه ای پایین
خوشه بندی را می‌توان به صورت زیر طبقه بندی نمود:
خوشه بندی نرم (خوشه بندی با همپوشی) و خوشه بندی سخت (خوشه بندی انحصاری).
در مورد تکنیک های خوشه بندی نرم، از مجموعه های فازی برای خوشه بندی داده ها استفاده می َشود، به طوری که هر نقطه ممکن است متعلق به دو یا چند خوشه با درجه های عضویت متفاوت باشد. در این حالت، یک مقدار عضویت مناسب به داده ها داده می شود. در بسیاری از موارد، خوشه بندی فازی بسیار طبیعی تر از خوشه بندی سخت است.
لازم نیست اشیای واقع در مرزهای بین کلاس های متعدد، حتما به طور کامل متعلق به یکی از کلاس ها باشند، بلکه در عوض درجه های عضویتی بین 0 و 1 به آنها اختصاص داده می شود که بیانگر عضویت جزئی آنها است. در مقابل، در تکنیک های خوشه بندی سخت داده‌ها به طور انحصاری گروه بندی می‌گردند به طوری که اگر یک داده‌ی خاص متعلق به یک خوشه مشخص باشد، دیگر نمی تواند متعلق به خوشه‌ی دیگری باشد.
میانگین فازی C – FCM یک تکنیک بسیار معروف برای خوشه بندی نرم است و به طور مشابه، K-means هم یک تکنیک مهم برای خوشه بندی سخت می باشد. در این مقاله اول از همه هر یک از این دو الگوریتم به طور دقیق بررسی می شوند. سپس به طور تجربی یک مطالعه مقایسه ای بین آنها صورت می گیرد. سپس بر اساس نتایج به دست آمده، برای این مقایسه یک نتیجه گیری انجام می شود.
توضیحات بیشتر را با دریافت ترجمه مقاله مقایسه الگوریتم خوشه بندی فازی و سخت مطالعه نمائید.
چکیده انگلیسی:
Data clustering is an important area of data mining. This is an unsupervised study where data of similar types are put into one cluster while data of another types are put into different cluster. Fuzzy C means is a very important clustering technique based on fuzzy logic. Also we have some hard clustering techniques available like K-means among the popular ones. In this paper a comparative study is done between Fuzzy clustering algorithm and hard clustering algorithm.
سلام دستتون درد نکنه مقالتون خیلی عالی بود متشکر .
سلام من کد الگوریتم مورچگان که با الگوریتم خوشه بندی فازی ترکیب شده باشه رو میخواستم؟