Improve K-Medoids Clustering Technique using Cuckoo Search Algorithm
| المؤلف الرئيسي: | Al Bgoom, Lubna Hzoum (Author) |
|---|---|
| مؤلفين آخرين: | Batiha, Khaled (Advisor) |
| التاريخ الميلادي: |
2017
|
| موقع: | المفرق |
| الصفحات: | 1 - 79 |
| رقم MD: | 856201 |
| نوع المحتوى: | رسائل جامعية |
| اللغة: | الإنجليزية |
| الدرجة العلمية: | رسالة ماجستير |
| الجامعة: | جامعة آل البيت |
| الكلية: | كلية تكنولوجيا المعلومات |
| الدولة: | الاردن |
| قواعد المعلومات: | Dissertations |
| مواضيع: | |
| رابط المحتوى: |
عدد مرات التحميل
16
| المستخلص: |
إن ازدياد الإنتاج الغير محدود للمعلومات أدى إلى تضخم حجم هذه المعلومات في جميع المخازن المعلوماتية في العالم إذ إن علم تنقيب البيانات وجد للتحكم في مخازن المعلومات المهمة وهذا العلم ليس عشوائيا لأنه يعتمد على أنواع كثيرة من العلوم مثل علم الإحصاء والخوارزميات الرياضية والذكاء الاصطناعي وغيرها من العلوم. يعتبر تنقيب البيانات أهم مرحله في اكتشاف المعرفة في قواعد البيانات فبدون هذه المرحلة تكون العملية مستحيلة على الرغم من وجود الكثير من المراحل السابقة واللاحقة لمرحله تنقيب البيانات فمرحلة تنقيب البيانات تستخرج معرفه ذات معنى مثل (قواعد، أنماط، أنظمه) وتوظف المهام من قبل التنقيب عن البيانات لإشباع حاجة الإنسان للمعرفة وتتنوع هذه المهام بين التصنيف والتجميع والعنقودية وغيرها من المهام، حيث كان نطاق عملنا يشمل تحسين مبدأ العنقودية في التنقيب عن البيانات، وكان الهدف تحسين وزيادة كفائه خوارزميه ال k-medoids العنقودية ولكي تتفوق على سيئاتها، تعتبر خوارزميه ال k-medoids العنقودية من أقوى الخوارزميات لأنها لا تتأثر بالشوائب، لكن هذه الخوارزمية لا تعمل بشكل جيد مع قواعد البيانات الكبيرة نسبيا وأيضا هي عشوائية في اختيار ال medoids (الكائن الذي تتجمع حوله نقطه مركز العنقود) لكل عنقود. خوارزميتنا المقترحة هي جمع بين خوارزميه ال k-medoids وخوارزميه البحث الوقواقي، التي تعدل في طريقه اختيار ال medoid الأولى لكل العناقيد لذلك نستخدم خوارزميه البحث الوقواقي التي تعتمد على سلوك التربية الطفيلي لتقوم باختيار ال medoid الأولى بدل من الخوارزمية التقليدية، هذه الخوارزمية المقترحة أنتجت عناقيد أفضل مقارنة بالخوارزمية الأصلية وتم تقييمها بواسطة عدد من مقاييس الأداء مثل مقياس النقاء والتكلفة والقيمة المطلقة للخطأ وتم حساب وقت التنفيذ بأجزاء من الثانية وأيضا الخوارزمية المقترحة تم مقارنتها مع خوارزميه عدلت على خوارزميه k-medoids بواسطة استخدام خوارزميه الخفاش وتمت التقييم بينهم تحت نفس الظروف ومعايير الأداء وكانت الخوارزمية المقترحة أفضل من الخوارزمية التقليدية. |
|---|
عناصر مشابهة
-
Improving Web Server Performance using Database Service Broker
بواسطة: Serhed, Ihab Sakeb منشور: (2005) -
Flame Clustering and Cuckoo Search Selection for Building a New Intrusion Detection Model
بواسطة: Al Zboon, Kawthar Ahmad منشور: (2017) -
An Agglomerative-Based Algorithm for Clustering Spatial Database Using Self-Motivated Graph
بواسطة: العمري، صفوت عمر منشور: (2007) -
A proposed clustering algorithm based on data mining techniques
بواسطة: Sakr, Noha Ahmed Mohamed منشور: (2010) -
SQL expection coverage using genetic algorithms
بواسطة: Al Harahsheh, Heba Mohammad منشور: (2011)
