سال انتشار: ۱۳۸۷

محل انتشار: دومین کنگره مشترک سیستم های فازی و سیستم های هوشمند

تعداد صفحات: ۷

نویسنده(ها):

الهام چیت ساز – دانشگاه شیراز، بخش مهندسی و علوم کامپیوتر
محمد طاهری –
سراج الدین کاتبی –
منصور ذوالقدرجهرمی –

چکیده:

این تحقیق، به رویکرد فازی خوشهبندی خصیصهها بر اساس وابستگی میان آنها و انتخاب بهترین خصیصهها جهت کلاسهبندی دادهها میپردازد. مجموعه دادههای مورد نظر، دارای تعداد نمونههای کم و حجم عظیمی از خصیصهها هستند. بسیاریاز مجموعه دادههای بیولوژیکی دارای چنین ویژگی میباشند. با خوشهبندی خصیصهها ابعاد جستجو برای الگوریتم دادهکاوی کاهش مییابد. پایداری بیشتر ،همگرایی سریعتر و بهبود نتایج حاصل از کلاسهبندی، از برتریهای روش خوشهبندی فازی نسبتبه روش قطعی هستند. همچنین در این مقاله، روشی نوین جهت گسسته کردن دادههای پیوسته با استفاده از معیارFisherارائه شده است به انضمام این که یک روش انتساب اولیه به مراکز خوشهها نیز پیشنهاد شده است. روش این مقاله بر روی مجموعه دادههای واقعیUCI اجرا شده که به نسبت رویکرد پیشین از بهبود قابل ملاحظهای برخوردار است