ارسل ملاحظاتك

ارسل ملاحظاتك لنا







A Review of Clustering Methods Based on Artificial Intelligent Techniques

العنوان بلغة أخرى: مراجعة لطرق العنقدة المعتمدة على تقنية الذكاء الاصطناعي
المصدر: مجلة التربية والعلم
الناشر: جامعة الموصل - كلية التربية
المؤلف الرئيسي: خليل، بيداء إبراهيم (مؤلف)
المؤلف الرئيسي (الإنجليزية): Khalil, Bayda Ibrahim
المجلد/العدد: مج31, ع2
محكمة: نعم
الدولة: العراق
التاريخ الميلادي: 2022
الصفحات: 69 - 82
ISSN: 1812-125X
رقم MD: 1303331
نوع المحتوى: بحوث ومقالات
اللغة: الإنجليزية
قواعد المعلومات: EduSearch
مواضيع:
كلمات المؤلف المفتاحية:
العنقدة | تقنيات ذكاء السرب | الشبكات العصبية الاصطناعية | العنقدة المضببة | Clustering | Swarm Intelligence Techniques | Artificial Neural Networks | Fuzzy Clustering
رابط المحتوى:
صورة الغلاف QR قانون
حفظ في:
LEADER 04598nam a22002297a 4500
001 2061967
041 |a eng 
044 |b العراق 
100 |9 644026  |a خليل، بيداء إبراهيم  |e مؤلف  |g Khalil, Bayda Ibrahim 
245 |a A Review of Clustering Methods Based on Artificial Intelligent Techniques 
246 |a مراجعة لطرق العنقدة المعتمدة على تقنية الذكاء الاصطناعي 
260 |b جامعة الموصل - كلية التربية  |c 2022 
300 |a 69 - 82 
336 |a بحوث ومقالات  |b Article 
520 |a نظرا للتطور الحاصل في مجالات الحياة المختلفة وتطور الإنترنت ووجود العديد من مجموعة البيانات الضخمة والكبيرة. وللحصول على المعلومات المفيدة من الأحجام المتزايدة بسرعة كبيرة من البيانات الرقمية لابد من وجود نظريات وأدوات حسابية لمساعدة البشر لاستخراج المعلومة المفيدة والتي يحتاجها من بين هذه البيانات. والبيانات الكبيرة يتم جمعها من العديد من الخدمات والموارد المختلفة. والتجميع هو من أهم الطرق الأساسية المعروفة للتنقيب عن البيانات واستخراجها والحصول على المعلومة المفيدة. وتجميع البيانات هو عملية تحديد التجمعات الطبيعية أو العناقيد ضمن البيانات المتعددة بناء على بعض مقاييس التشابه. قدم العديد من الباحثين وطوروا العديد من خوارزميات التجميع المعتمدة على طرائق التقنيات الذكائية الاصطناعية المختلفة. ويساعد العثور على الخوارزميات المناسبة بشكل كبير على تنظيم المعلومات واستخراج الإجابة الصحيحة من الاستعلامات المختلفة لقواعد البيانات. وهذه الورقة تقدم لمحة عامة عن طرق التجميع المختلفة باستخدام طرق الذكاء الاصطناعي وإيجاد خوارزمية التجميع المناسبة لمعالجة مجموعة البيانات المختلفة. وقمنا بتسليط الضوء على خوارزمية التجميع الأفضل أداء والتي تمنح المجموعات الفعالة والصحيحة لكل مجموعة البيانات.  |b Due to the development in various areas of life, the development of the Internet, and the presence of many datasets, and in order to obtain useful information from the rapidly increasing volumes of digital data, there must be theories and computational tools to help humans extract the useful information they need from this data. Large data is collected from many different services and resources. Clustering is one of the most basic and well-known methods of data mining and extraction and obtaining useful information. The technique of recognizing natural groups or clusters within several datasets based on some measure of similarity is known as data clustering. Many researchers have introduced and developed many clustering algorithms based on the different methods of artificial intelligence techniques. Finding the right algorithms greatly helps in organizing information and extracting the correct answer from different database queries. This paper provides an overview of the different clustering methods using artificial intelligence and finding the appropriate clustering algorithm to process different data sets. We highlight the best-performing clustering algorithm that gives effective and correct clustering for each data set. 
653 |a الذكاء الاصطناعي  |a قواعد المعلومات  |a معالجة البيانات  |a خوارزمية العنقدة  |a البيانات الرقمية 
692 |a العنقدة  |a تقنيات ذكاء السرب  |a الشبكات العصبية الاصطناعية  |a العنقدة المضببة  |b Clustering  |b Swarm Intelligence Techniques  |b Artificial Neural Networks  |b Fuzzy Clustering 
773 |4 التربية والتعليم  |6 Education & Educational Research  |c 011  |e Journal of Education and Science  |f Mağallaẗ al-tarbiyaẗ wa-al-ʻilm  |l 002  |m مج31, ع2  |o 0168  |s مجلة التربية والعلم  |v 031  |x 1812-125X 
856 |u 0168-031-002-011.pdf 
930 |d n  |p y  |q n 
995 |a EduSearch 
999 |c 1303331  |d 1303331