اجرای الگوریتم خوشه بندی بهبود یافته بر روی داده های ناباروری
نویسنده:
چکیده:
داده کاوی تلفیقی از روش های هوش مصنوعی برای شناسایی اطلاعات یا استخراج دانش از داده هاست، به نحوی که دانش حاصل در حوزه های تصمیم گیری، پیش بینی، پیش گویی و تخمین مورد استفاده قرار گیرد. تحلیل رفتار مشتریان، دسته بندی مشتریان، شناخت نیازهای مشتریان و پیش بینی در مباحث پزشکی ازجمله کاربردهای داده کاوی است. خوشه بندی یکی از روش های بدون نظارت الگوریتم های داده کاوی است که به یافتن یک ساختار مشخص درون مجموعه یی از داده های بدون برچسب می پردازد. یکی از الگوریتم های متداول خوشه بندی، الگوریتم k-m e a n s است. از معایب این الگوریتم «انتخاب تصادفی خوشه های اولیه» در آغاز الگوریتم است که موجب تفاوت نتیجه در هر بار اجرای الگوریتم می شود. در این پژوهش، با استفاده ازالگوریتم سلسله مراتبی مدل جدیدی ارائه شده که می کوشد مشکل الگوریتم k-m e a n s را برطرف سازد. در ادامه، نتیجه ی اجرای این الگوریتم تلفیقی جدید روی داده های واقعی مربوط به «ناباروری بیمارستان صارم» ارائه شده است.
کلیدواژگان:
زبان:
فارسی
صفحات:
105 تا 112
لینک کوتاه:
magiran.com/p1547906
دانلود و مطالعه متن این مقاله با یکی از روشهای زیر امکان پذیر است:
اشتراک شخصی
با عضویت و پرداخت آنلاین حق اشتراک یکساله به مبلغ 1,390,000ريال میتوانید 70 عنوان مطلب دانلود کنید!
اشتراک سازمانی
به کتابخانه دانشگاه یا محل کار خود پیشنهاد کنید تا اشتراک سازمانی این پایگاه را برای دسترسی نامحدود همه کاربران به متن مطالب تهیه نمایند!
توجه!
- حق عضویت دریافتی صرف حمایت از نشریات عضو و نگهداری، تکمیل و توسعه مگیران میشود.
- پرداخت حق اشتراک و دانلود مقالات اجازه بازنشر آن در سایر رسانههای چاپی و دیجیتال را به کاربر نمیدهد.
In order to view content subscription is required
Personal subscription
Subscribe magiran.com for 70 € euros via PayPal and download 70 articles during a year.
Organization subscription
Please contact us to subscribe your university or library for unlimited access!