| LEADER |
04327nam a22002777a 4500 |
| 001 |
1582971 |
| 024 |
|
|
|3 10.34279/0923-007-004-011
|
| 041 |
|
|
|a eng
|
| 044 |
|
|
|b العراق
|
| 100 |
|
|
|9 442367
|a Al-Obaidy, Abeer T.
|e Author
|
| 245 |
|
|
|a MSOM: Modified Self Organizing Map for Faster Winning Cluster Detection
|
| 260 |
|
|
|b الجمعية العراقية لتكنولوجيا المعلومات
|c 2017
|
| 300 |
|
|
|a 144 - 163
|
| 336 |
|
|
|a بحوث ومقالات
|b Article
|
| 520 |
|
|
|b There are large number of modern techniques in today’s world which is evolving for collecting big data at different databases. Organized information investigation techniques are important to pick up/concentrate valuable data from quickly developing datasets. K-means Clustering investigation strategy is one of the generally utilized expository strategies as a part of numerous information mining applications. This paper including two stages in dealing with large and big datasets, the first stage discusses two clustering algorithms Self Organizing Map (SOM) and k-means about Performance Evaluation of K-Means and SOM Clustering. Using (C# and Matlab) programming language and the performance for k-means and SOM clustering algorithm is calculate based on the accuracy and running time. The second stage proposed modified self-organizing map(MSOM)to select winner cluster and extract this cluster from rapidly growing datasets which contain a hundred or more clusters in a very little time. This modification will appeared in two places in SOM standard algorithm. Evaluation results and conclusion will discuss in the last section. The purpose of the proposed Modified Self Organizing Map (MSOM) is to facilitate the search and access to the class that contains the desired product in the case of high number of classes where the proposed method to finding the best Class containing the desired product.
|
| 520 |
|
|
|a هناك عدد كبير من التقنيات الحديثة في عالم اليوم المتطور لجمع البيانات الكبيرة في قواعد البيانات المختلفة. أساليب تحليل البيانات المنظمة ضرورية للحصول على استخراج المعلومات المفيدة من قواعد البيانات التي تنمو بسرعة. طريقة K-mean لتحليل المجموعات هي إحدى الطرق المستخدمة على نطاق واسع في العديد من التطبيقات التحليلية لتنقيب البيانات. يتضمن هذا البحث مرحلتين في التعامل مع قواعد البيانات الكبيرة ومجاميع البيانات الكبيرة، المرحلة الأولى تناقش خوارزميتين اثنتين هما خريطة التنظيم الذاتي (SOM) و K-mean حول تقييم أداء مجموعات ال SOM و K-meanباستخدام اللغات البرمجية C#) و ( Matlab وحساب ادائية خوارزميات المجاميع SOM) و ( K-mean على أساس الدقة ووقت التنفيذ. المرحلة الثانية تقترح تعديل خريطة التنظيم الذاتي(MSOM) لتحديد الكتلة الفائزة واستخراج هذه المجموعة من مجموعات البيانات التي تنمو بسرعة والتي تحتوي على مئات أو أكثر من المجاميع في اقل وقت ممكن. وظهر هذا التعديل في مكانين في خوارزمية SOM القياسية. نتائج التقييم والاستنتاجات سيتم مناقشتها في الجزء الاخير.
|
| 653 |
|
|
|a استرجاع المعلومات
|
| 653 |
|
|
|a قواعد البيانات
|
| 653 |
|
|
|a الخوارزمي (لغة برمجة)
|
| 692 |
|
|
|b Self organizing maps
|b K-means
|b Clustering algorithm
|b datasets
|
| 700 |
|
|
|9 442369
|a Muhssen, Atheer R.
|e Co-Author
|
| 773 |
|
|
|4 علوم المعلومات وعلوم المكتبات
|6 Information Science & Library Science
|c 011
|e Iraqi Journal of Information Technology
|f Al-Maǧallaẗ al-ʻirāqiyyaẗ li-tiknulūǧiyā al-maʻlūmāt
|l 004
|m مج7, ع4
|o 0923
|s المجلة العراقية لتكنولوجيا المعلومات
|v 007
|x 1994-8638
|
| 856 |
|
|
|u 0923-007-004-011.pdf
|
| 930 |
|
|
|d y
|p y
|
| 995 |
|
|
|a HumanIndex
|
| 999 |
|
|
|c 824959
|d 824959
|
