دانلود مقاله ISI انگلیسی شماره 79005
ترجمه فارسی عنوان مقاله

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

عنوان انگلیسی
MGR: An information theory based hierarchical divisive clustering algorithm for categorical data
کد مقاله سال انتشار تعداد صفحات مقاله انگلیسی ترجمه فارسی
79005 2014 11 صفحه PDF سفارش دهید
دانلود فوری مقاله + سفارش ترجمه

نسخه انگلیسی مقاله همین الان قابل دانلود است.

هزینه ترجمه مقاله بر اساس تعداد کلمات مقاله انگلیسی محاسبه می شود.

این مقاله تقریباً شامل 7854 کلمه می باشد.

هزینه ترجمه مقاله توسط مترجمان با تجربه، طبق جدول زیر محاسبه می شود:

شرح تعرفه ترجمه زمان تحویل جمع هزینه
ترجمه تخصصی - سرعت عادی هر کلمه 18 تومان 12 روز بعد از پرداخت 141,372 تومان
ترجمه تخصصی - سرعت فوری هر کلمه 36 تومان 6 روز بعد از پرداخت 282,744 تومان
پس از پرداخت، فوراً می توانید مقاله را دانلود فرمایید.
تولید محتوا برای سایت شما
پایگاه ISIArticles آمادگی دارد با همکاری مجموعه «شهر محتوا» با بهره گیری از منابع معتبر علمی، برای کتاب، سایت، وبلاگ، نشریه و سایر رسانه های شما، به زبان فارسی «تولید محتوا» نماید.
  • تولید محتوا با مقالات ISI برای سایت یا وبلاگ شما
  • تولید محتوا با مقالات ISI برای کتاب شما
  • تولید محتوا با مقالات ISI برای نشریه یا رسانه شما
  • و...

پیشنهاد می کنیم کیفیت محتوای سایت خود را با استفاده از منابع علمی، افزایش دهید.

سفارش تولید محتوا کد تخفیف 10 درصدی: isiArticles
منبع

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

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

ترجمه کلمات کلیدی
داده کاوی؛ خوشه بندی؛ اطلاعات قطعی؛ نسبت به دست آوردن - تئوری اطلاعات
کلمات کلیدی انگلیسی
Data mining; Clustering; Categorical data; Gain ratio; Information theory
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.

دانلود فوری مقاله + سفارش ترجمه

نسخه انگلیسی مقاله همین الان قابل دانلود است.

هزینه ترجمه مقاله بر اساس تعداد کلمات مقاله انگلیسی محاسبه می شود.

این مقاله شامل 7854 کلمه می باشد.

هزینه ترجمه مقاله توسط مترجمان با تجربه، طبق جدول زیر محاسبه می شود:

شرح تعرفه ترجمه زمان تحویل جمع هزینه
ترجمه تخصصی - سرعت عادی هر کلمه 18 تومان 12 روز بعد از پرداخت 141,372 تومان
ترجمه تخصصی - سرعت فوری هر کلمه 36 تومان 6 روز بعد از پرداخت 282,744 تومان
پس از پرداخت، فوراً می توانید مقاله را دانلود فرمایید.