مشاهده مشخصات مقاله
خوشهبندی طیفی با انتخاب بردار های ویژگی Kernel PCA
|
Authors |
-
سهیلا اشک زری طوسی
-
هادی صدوقی یزدی
|
|
Conference |
شانزدهمین کنفرانس ملی سالانه انجمن کامپیوتر ایران |
|
Abstract |
هنگامیکه ساختار دادهها غیر خطی باشد روشهای کلاسیک خوشهبندی با شکست روبهرو میشوند، در این حالت خوشهبندی طیفی روشی قدرتمند برای دستهبندی دادهها محسوب میشود. این تکنیک با تبدیل فضای ورودی، فضای جدیدی با قابلیت توصیف مناسبتر از دادهها را در اختیار ما قرار می دهد. با این حال، همه ویژگیهای این فضای جدید برای خوشهبندی مفید نمی‌باشند . بنابراین روشهای انتخاب ویژگی مورد توجه قرار میگیرند. در این مقاله، الگوریتمی برای خوشهبندی طیفی مبتنی بر ویژگیهای استخراج شده از Kernel PCA ارائه میدهیم که ویژگیهای مناسب با توجه به توانایی آنها در توصیف خوشههای موجود در دادهها بر اساس آنتروپی انتخاب و وزندهی میشوند. نتایج آزمایشها بیانگر موفقیت این روش می باشد |
|
قیمت |
-
برای اعضای سایت : 100,000 Rial
-
برای دانشجویان عضو انجمن : 20,000 Rial
-
برای اعضای عادی انجمن : 40,000 Rial
|
خرید مقاله
|
|
.gif){kind=icon}