ارسل ملاحظاتك

ارسل ملاحظاتك لنا







الرئيسية > MSOM: Modified Self Organizing...>الوصف
يجب تسجيل الدخول أولا

MSOM: Modified Self Organizing Map for Faster Winning Cluster Detection

المصدر: المجلة العراقية لتكنولوجيا المعلومات
الناشر: الجمعية العراقية لتكنولوجيا المعلومات
المؤلف الرئيسي: Al-Obaidy, Abeer T. (Author)
مؤلفين آخرين: Muhssen, Atheer R. (Co-Author)
المجلد/العدد: مج7, ع4
محكمة: نعم
الدولة: العراق
التاريخ الميلادي: 2017
الصفحات: 144 - 163
DOI: 10.34279/0923-007-004-011
ISSN: 1994-8638
رقم MD: 824959
نوع المحتوى: بحوث ومقالات
اللغة: الإنجليزية
قواعد المعلومات: HumanIndex
مواضيع:
استرجاع المعلومات
قواعد البيانات
الخوارزمي (لغة برمجة)
كلمات المؤلف المفتاحية:
Self organizing maps | K-means | Clustering algorithm | datasets
رابط المحتوى:
PDF (صورة)     
صورة الغلاف QR قانون

عدد مرات التحميل

13

حفظ في:
المستخلص: 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.

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.
ISSN: 1994-8638

عناصر مشابهة


© 2024 المنظومة. جميع الحقوق محفوظة.