شماره ركورد كنفرانس :
4767
عنوان مقاله :
الگوريتم DBSCAN بهبوديافته براي داده هاي بزرگ پزشكي
پديدآورندگان :
سعادت فر حميد saadatfar@birjand.ac.ir دانشگاه بيرجند , حنفي نوشين nooshinhanafi@birjand.ac.ir دانشگاه بيرجند , قلي زاده ناهيد Nahid.gholizadeh@birjand.ac.ir دانشگاه بيرجند
كليدواژه :
الگوريتم DBSCAN , الگوريتم K-means , خوشه بندي , داده هاي بزرگ.
عنوان كنفرانس :
اولين كنفرانس ملي فناوري ها و سيستم هاي محاسباتي مراقبت از سلامت
چكيده فارسي :
در دهه اخير توليد داده با رشد چشمگيري مواجه شده كه اين داده ها از منابع مختلف مانند دستگاه هاي تلفن همراه، شبكه هاي اجتماعي، شبكه هاي حسگر بي سيم و غيره در حال توليد مي باشند. مديريت اين حجم زياد از داده ها به يك چالش بزرگ در عصر حاضر تبديل شده است. خوشه بندي داده ها به عنوان يك راه حل مطرح مي شود كه داده ها را براساس شباهتشان گروه بندي مي كند. دو روش رايج در خوشه بندي، الگوريتم هاي DBSCAN و K-means هستند. هر كدام از اين روشها مزايا و معايبي دارند كه يكي از معايب سرعت اجراي نسبتا كند آن ها در داده هاي بزرگ است. ما در اين مقاله الگوريتم DBSCANبهبوديافته اي را ارائه داده ايم كه بر مبناي دو روش بالا مي باشد. نتايج نشان مي دهد روش پيشنهادي ما در عين حفظ كيفيت از نظر سرعت بهتر از الگوريتم DBSCAN عمل مي كند.
