دانلود مقاله ISI انگلیسی شماره 79005
عنوان فارسی مقاله

MGR: یک الگوریتم خوشه بندی تفرقه سلسله مراتبی بر اساس تئوری اطلاعات برای داده های قطعی

کد مقاله سال انتشار مقاله انگلیسی ترجمه فارسی تعداد کلمات
79005 2014 11 صفحه PDF سفارش دهید محاسبه نشده
خرید مقاله
پس از پرداخت، فوراً می توانید مقاله را دانلود فرمایید.
عنوان انگلیسی
MGR: An information theory based hierarchical divisive clustering algorithm for categorical data
منبع

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

Journal : Knowledge-Based Systems, Volume 67, September 2014, Pages 401–411

کلمات کلیدی
داده کاوی؛ خوشه بندی؛ اطلاعات قطعی؛ نسبت به دست آوردن - تئوری اطلاعات
پیش نمایش مقاله
پیش نمایش مقاله MGR: یک الگوریتم خوشه بندی تفرقه سلسله مراتبی بر اساس تئوری اطلاعات برای داده های قطعی

چکیده انگلیسی

Categorical data clustering has attracted much attention recently due to the fact that much of the data contained in today’s databases is categorical in nature. While many algorithms for clustering categorical data have been proposed, some have low clustering accuracy while others have high computational complexity. This research proposes mean gain ratio (MGR), a new information theory based hierarchical divisive clustering algorithm for categorical data. MGR implements clustering from the attributes viewpoint which includes selecting a clustering attribute using mean gain ratio and selecting an equivalence class on the clustering attribute using entropy of clusters. It can be run with or without specifying the number of clusters while few existing clustering algorithms for categorical data can be run without specifying the number of clusters. Experimental results on nine University of California at Irvine (UCI) benchmark and ten synthetic data sets show that MGR performs better as compared to baseline algorithms in terms of its performance and efficiency of clustering.

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