سال انتشار: ۱۳۸۶

محل انتشار: سیزدهمین کنفرانس سالانه انجمن کامپیوتر ایران

تعداد صفحات: ۷

نویسنده(ها):

محمد طاهری – دانشجوی کارشناسی ارشد، مهندسی کامپیوتر(هوش مصنوعی) بخش کامپیوتر، دان
الهام چیتساز – دانشجوی کارشناسی ارشد، مهندسی کامپیوتر(هوش مصنوعی) بخش کامپیوتر، دان
سراج الدین کاتبی – استاد و عضو هیئت علمی بخش کامپیوتر، دانشگاه شیراز

چکیده:

خوشهبندی را میتوان طبقهبندی داده ها بر اساس نوعی شباهت تعریف کرد. معیارهای شباهتسنجی متفاوتی تا کنون نسخه – های گوناگونی از این روشها را معرفی کردهاند. هر یک از این روشها،
مزایا و معایبی در پی دارند. در این مقاله، به بررسی نیروی گرانش به عنوان یکی از خاصیت های بنیادی ذرات ماده پرداخته می شود . معیارهای شباهت بسیاری از جمله فاصلهی اقلیدسی نمونهها در فضای ویژگی وجود دارد؛ اما با استفاده از خاصیت گرانش، قضاوت در مورد شباهت دو نمونه به خود نمونهها واگذار میشود که برگرفته از تأثیرات تمام نمونهها و اثر نیروی گرانش میباشد. نتایج این مقاله بر رو ی داده- های دو بعدی به صورت گرافیکی با روش هایISODATA و DSRPCL2مقایسه شده است. همچنین این مقایسه با استفاده از معیارکلاسهبندی بر روی چند مجموعه داده استاندارد و با روش های K- DSRPCL2 ،Means و کوچکترین درخت پوشا صورت گرفته و نتایجرضایت بخش است.