دانلود مقاله ISI انگلیسی شماره 78975
عنوان فارسی مقاله

الگوریتم خوشه بندی سلسله مراتبی برای داده های قطعی با استفاده از مدل مجموعه خشن احتمالاتی

کد مقاله سال انتشار مقاله انگلیسی ترجمه فارسی تعداد کلمات
78975 2014 12 صفحه PDF سفارش دهید محاسبه نشده
خرید مقاله
پس از پرداخت، فوراً می توانید مقاله را دانلود فرمایید.
عنوان انگلیسی
Hierarchical clustering algorithm for categorical data using a probabilistic rough set model
منبع

Publisher : Elsevier - Science Direct (الزویر - ساینس دایرکت)

Journal : Knowledge-Based Systems, Volume 65, July 2014, Pages 60–71

کلمات کلیدی
آنالیز خوشه ای؛ اطلاعات طبقه؛ مجموعه های سخت احتمالاتی؛ دقت تقریب توزیع؛ دقت تقریب
پیش نمایش مقاله
پیش نمایش مقاله الگوریتم خوشه بندی سلسله مراتبی برای داده های قطعی با استفاده از مدل مجموعه خشن احتمالاتی

چکیده انگلیسی

Several clustering analysis techniques for categorical data exist to divide similar objects into groups. Some are able to handle uncertainty in the clustering process, whereas others have stability issues. In this paper, we propose a new technique called TMDP (Total Mean Distribution Precision) for selecting the partitioning attribute based on probabilistic rough set theory. On the basis of this technique, with the concept of granularity, we derive a new clustering algorithm, MTMDP (Maximum Total Mean Distribution Precision), for categorical data. The MTMDP algorithm is a robust clustering algorithm that handles uncertainty in the process of clustering categorical data. We compare the MTMDP algorithm with the MMR (Min–Min–Roughness) algorithm which is the most relevant clustering algorithm, and also compared it with other unstable clustering algorithms, such as k-modes, fuzzy k-modes and fuzzy centroids. The experimental results indicate that the MTMDP algorithm can be successfully used to analyze grouped categorical data because it produces better clustering results.

خرید مقاله
پس از پرداخت، فوراً می توانید مقاله را دانلود فرمایید.