دانلود مقاله ISI انگلیسی شماره 79105
ترجمه فارسی عنوان مقاله

اندازه گیری عدم تشابه برای الگوریتم خوشه بندی k-Modes

عنوان انگلیسی
A dissimilarity measure for the k-Modes clustering algorithm
کد مقاله سال انتشار تعداد صفحات مقاله انگلیسی ترجمه فارسی
79105 2012 8 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 6711 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 11 روز بعد از پرداخت 120,798 تومان
ترجمه تخصصی - سرعت فوری هر کلمه 36 تومان 6 روز بعد از پرداخت 241,596 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 26, February 2012, Pages 120–127

ترجمه کلمات کلیدی
خوشه بندی داده قاطع؛ الگوریتم k-Modes؛ تابع عضویت خشن؛ اندازه گیری عدم تشابه؛ طبقه بندی ژنتیکی
کلمات کلیدی انگلیسی
Categorical data clustering; k-Modes algorithm; Rough membership function; Dissimilarity measure; Genetic taxonomy
پیش نمایش مقاله
پیش نمایش مقاله اندازه گیری عدم تشابه برای الگوریتم خوشه بندی k-Modes

چکیده انگلیسی

Clustering is one of the most important data mining techniques that partitions data according to some similarity criterion. The problems of clustering categorical data have attracted much attention from the data mining research community recently. As the extension of the k-Means algorithm, the k-Modes algorithm has been widely applied to categorical data clustering by replacing means with modes. In this paper, the limitations of the simple matching dissimilarity measure and Ng’s dissimilarity measure are analyzed using some illustrative examples. Based on the idea of biological and genetic taxonomy and rough membership function, a new dissimilarity measure for the k-Modes algorithm is defined. A distinct characteristic of the new dissimilarity measure is to take account of the distribution of attribute values on the whole universe. A convergence study and time complexity of the k-Modes algorithm based on new dissimilarity measure indicates that it can be effectively used for large data sets. The results of comparative experiments on synthetic data sets and five real data sets from UCI show the effectiveness of the new dissimilarity measure, especially on data sets with biological and genetic taxonomy information.

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 6711 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 11 روز بعد از پرداخت 120,798 تومان
ترجمه تخصصی - سرعت فوری هر کلمه 36 تومان 6 روز بعد از پرداخت 241,596 تومان
پس از پرداخت، فوراً می توانید مقاله را دانلود فرمایید.