مشاهده مشخصات مقاله
خوشهبندی طیفی با انتخاب بردار های ویژگی Kernel PCA
|
نویسنده (ها) |
-
سهیلا اشک زری طوسی
-
هادی صدوقی یزدی
|
|
مربوط به کنفرانس |
شانزدهمین کنفرانس ملی سالانه انجمن کامپیوتر ایران |
|
چکیده |
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 : ۱٠٠,٠٠٠ ریال
-
برای دانشجویان عضو انجمن : ۲٠,٠٠٠ ریال
-
برای اعضای عادی انجمن : ۴٠,٠٠٠ ریال
|
خرید مقاله
|
|
.gif){kind=icon}