دانلود مقاله ISI انگلیسی شماره 79151
ترجمه فارسی عنوان مقاله

پارتیشن بندی الگوریتم های خوشه بندی سخت بر اساس ماتریس تشابه متعدد

عنوان انگلیسی
Partitioning hard clustering algorithms based on multiple dissimilarity matrices
کد مقاله سال انتشار تعداد صفحات مقاله انگلیسی ترجمه فارسی
79151 2012 18 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 16361 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 22 روز بعد از پرداخت 294,498 تومان
ترجمه تخصصی - سرعت فوری هر کلمه 36 تومان 11 روز بعد از پرداخت 588,996 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 : Pattern Recognition, Volume 45, Issue 1, January 2012, Pages 447–464

ترجمه کلمات کلیدی
پارتیشن بندی الگوریتم های خوشه بندی - داده های رابطه ای؛ وزن ارتباط؛ ماتریس تشابه های متعدد
کلمات کلیدی انگلیسی
Partitioning clustering algorithms; Relational data; Relevance weight; Multiple dissimilarity matrices
پیش نمایش مقاله
پیش نمایش مقاله پارتیشن بندی الگوریتم های خوشه بندی سخت بر اساس ماتریس تشابه متعدد

چکیده انگلیسی

This paper introduces hard clustering algorithms that are able to partition objects taking into account simultaneously their relational descriptions given by multiple dissimilarity matrices. These matrices have been generated using different sets of variables and dissimilarity functions. These methods are designed to furnish a partition and a prototype for each cluster as well as to learn a relevance weight for each dissimilarity matrix by optimizing an adequacy criterion that measures the fitting between the clusters and their representatives. These relevance weights change at each algorithm iteration and can either be the same for all clusters or different from one cluster to another. Experiments with data sets (synthetic and from UCI machine learning repository) described by real-valued variables as well as with time trajectory data sets show the usefulness of the proposed algorithms.

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 16361 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 22 روز بعد از پرداخت 294,498 تومان
ترجمه تخصصی - سرعت فوری هر کلمه 36 تومان 11 روز بعد از پرداخت 588,996 تومان
پس از پرداخت، فوراً می توانید مقاله را دانلود فرمایید.