لوگوی سایت نوآوران گرمی
نوآوران گرمی | مرجع فیلم های آموزشی و همیار دانشجو

شماره های پشتیبانی

09194751295 - 09365442247

NoavaranGermi@gmail.com

ترجمه مقاله مقایسه‌ الگوریتم خوشه ‌بندی فازی و سخت

translate kmeans fcm 14608 ترجمه مقاله مقایسه‌ الگوریتم خوشه ‌بندی فازی و سخت

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، “یک مطالعه ی‌ مقایسه‌ ای بین الگوریتم خوشه‌ بندی فازی و الگوریتم 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:

  1. خصوصیت میان‌ خوشه ‌ای بالا
  2. 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 ۰ و ۱ 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.

منبع: arxiv.org


جزئیات محصول

قیمت


10,000 تـــــومان

کــد محصــول:14608


توضــیحات:صفحات : 13 صفحه | زبان : فارسی | فرمت : DOC | مقاله اصلی آماده دانلود است


لینک دانلود:فایل 1

socket programing آموزش برنامه نویسی بازی تحت شبکه بازی تحت شبکه برای درس مهندسی اینترنت بازی تحت شبکه به زبان سی شارپ برنامه تحت شبکه با سی شارپ برنامه نویسی ترجمه مقاله شبکه خرید سورس بازی تحت شبکه دانلود بازی تحت شبکه دانلود رایگان پروژه های دانشجویی دانلود سورس برنامه دانلود سورس رایگان دانلود نرم افزار دانلود پروژه دانشجویی دانلود پروژه رایگان دانلود پروژه های دانشجویی دانلود کتاب دانلود کتاب آموزشی دانلود کتاب اموزشی سورس بازی با socket programing سورس رایگان سورس کد بازی تحت شبکه سورس کد بازی تحت شبکه با C# سورس کد بازی تحت شبکه چند نفره سوکت پروگرمین نحوه نوشتن برنامه تحت شبکه نحوه نوشتن برنامه تحت شبکه به زبان سی شارپ پروژه arena پروژه matlab پروژه ns2 پروژه opnet پروژه برای درس مهندسی اینترنت پروژه تحت شبکه به زبان سی شارپ پروژه رایگان matlab پروژه سیمولینک matlab پروژه مهندسی صنایع پروژه مهندسی صنایع با ارنا پروژه های آماده با OpenGL پروژه های آماده با OpenGL در سی پلاس پلاس پروژه های آماده برای درس گرافیک کامپیوتری پروژه هوش مصنوعی پروژه پردازش تصویر matlab پروژه پردازش سیگنال matlab پروژه کارشناسی به همراه داکیومنت

خوشحال خواهیم شد اگر نظر خودتون رو در باره این مطلب ثبت کنید

  • بابک کاوشی

    شنبه , ۲۲ خرداد

    سلام دستتون درد نکنه مقالتون خیلی عالی بود متشکر .