دانلود رایگان مقاله انگلیسی + خرید ترجمه فارسی
|
|
عنوان فارسی مقاله: |
دسته بندی با سطح اطلاعات پارتیشن جانبی |
عنوان انگلیسی مقاله: |
Clustering with Partition Level Side Information |
|
مشخصات مقاله انگلیسی (PDF) | |
سال انتشار | 2015 |
تعداد صفحات مقاله انگلیسی | 6 صفحه با فرمت pdf |
رشته های مرتبط با این مقاله | مهندسی کامپیوتر |
گرایش های مرتبط با این مقاله | داده کاوی، مهندسی نرم افزار، مهندسی الگوریتم ها و محاسبات و هوش مصنوعی |
مجله | کنفرانس بین المللی داده کاوی |
دانشگاه | گروه مهندسی برق و کامپیوتر، دانشگاه شمال شرقی، بوستون |
شناسه شاپا یا ISSN | ISSN 1550-4786 |
رفرنس | دارد |
لینک مقاله در سایت مرجع | لینک این مقاله در سایت IEEE |
نشریه | IEEE |
مشخصات و وضعیت ترجمه فارسی این مقاله (Word) | |
تعداد صفحات ترجمه تایپ شده با فرمت ورد با قابلیت ویرایش و فونت 14 B Nazanin | 18 صفحه |
ترجمه عناوین تصاویر و جداول | ترجمه شده است |
ترجمه متون داخل تصاویر | ترجمه نشده است |
ترجمه متون داخل جداول | ترجمه نشده است |
درج تصاویر در فایل ترجمه | درج شده است |
درج جداول در فایل ترجمه | درج شده است |
درج فرمولها و محاسبات در فایل ترجمه به صورت عکس | درج شده است |
- فهرست مطالب:
Ι. مقدمه
II. کار مربوطه
III. فرمولاسیون مسئله
A. اطلاعات سطح جانبی پارتیشن
تعریف 1. اطلاعات سطح جانبی پارتیشن
B. تابع هدف
IV. راه حل
A. بهینه سازی مشابه K متوسط
V. نتایج تجربی
A. راه اندازی تجربی
ابزار
اعتبار سنجی
B. اثربخشی و بازده
C. دسترسی به اطلاعات جانبی با صداها
VI. نتیجه گیری
- بخشی از ترجمه:
VI. نتیجه گیری
در این مقاله، ما یک روش برای خوشه بندی با اطلاعات جانبی سطح پارتیشن ارائه کرده ایم. بجز محدودیت های دو به دویی، اطلاعات سطح جانبی پارتیشن مطابق با برچسب زنی انسان با موارد دیگر به عنوان مرجع است. بر این اساس، ما تا آنجا که ممکن است مسئله را از طریق انجام خوشه بندی و ساختار با اطلاعات جانبی تدوین و فرموله می کنیم . سپس ما به طور هم ارز آن را به خوشه بندی K متوسط انتقال می دهیم که می تواند با یک راندمان بالا حل شود. آزمایش های گسترده اثربخشی و بهره وری روش ما را در مقایسه با دو الگوریتم صنعتی دیگر نشان می دهد. علاوه بر این، روش ما زمانی که به سمت اطلاعات جانبی پر سر و صدا می آید دارای نیرومندی بالا است.
- بخشی از مقاله انگلیسی:
VI. CONCLUSION
In this paper, we propose a method for clustering with partition level side information. Different from pairwise constraints, partition level side information accords with the labeling from human being with other instances as references. Based on this, we formulate the problem via conducting clustering and making the structure agree as much as possible with side information. Then we equivalently transfer it into K-means clustering, which can be solved with high efficiency. Extensive experiments demonstrate the effectiveness and efficiency of our methods compared to two state-of-the-art algorithms. Besides, our method has high robustness when it comes to noisy side information.
دانلود رایگان مقاله انگلیسی + خرید ترجمه فارسی
|
|
عنوان فارسی مقاله: |
دسته بندی با سطح اطلاعات پارتیشن جانبی |
عنوان انگلیسی مقاله: |
Clustering with Partition Level Side Information |
|