فایل ورد کامل الگوریتم کارآمد برای دسته بندی kNN برای داده های بزرگ

توجه : به همراه فایل word این محصول فایل پاورپوینت (PowerPoint) و اسلاید های آن به صورت هدیه ارائه خواهد شد

این مقاله، ترجمه شده یک مقاله مرجع و معتبر انگلیسی می باشد که به صورت بسیار عالی توسط متخصصین این رشته ترجمه شده است و به صورت فایل ورد (microsoft word) ارائه می گردد

متن داخلی مقاله بسیار عالی، پر محتوا و قابل درک می باشد و شما از استفاده ی آن بسیار لذت خواهید برد. ما عالی بودن این مقاله را تضمین می کنیم

فایل ورد این مقاله بسیار خوب تایپ شده و قابل کپی و ویرایش می باشد و تنظیمات آن نیز به صورت عالی انجام شده است؛ به همراه فایل ورد این مقاله یک فایل پاور پوینت نیز به شما ارئه خواهد شد که دارای یک قالب بسیار زیبا و تنظیمات نمایشی متعدد می باشد

توجه : در صورت مشاهده بهم ریختگی احتمالی در متون زیر ،دلیل ان کپی کردن این مطالب از داخل فایل می باشد و در فایل اصلی فایل ورد کامل الگوریتم کارآمد برای دسته بندی kNN برای داده های بزرگ،به هیچ وجه بهم ریختگی وجود ندارد

تعداد صفحات این فایل: ۲۶ صفحه

K نزدیکترین همسایه (k عدد نزدیکترین همسایه، kNN) یک الگوریتم یادگیری فازی است و به صورت موفقیت آمیزی در کاربردهای واقعی توسعه داده شده است. مقیاس بندی روش kNN برای سری های داده ای مقیاس- بزرگ، امری طبیعی است. در این مقاله ما ابتدا انجام یک خوشه بندی با واسطه k جهت جداسازی کل سری داده ای به صورت چندین بخش که در هربخش پس از جداسازی، دسته بندی kNN انجام شود، را پیشنهاد می کنیم. ما یک سری آزمایشات را روی داده های بزرگ و داده های مربوط به عکسبرداری پزشکی انجام می دهیم. نتایج آزمایش نشان می دهد که دسته بندی پیشنهادی kNN ازنظر دقت و کارآمدی، عملکرد خوبی دارد.

کلیدواژه ها: دسته بندی | kNN | داده های بزرگ | خوشه بندی داده ها | مرکز خوشه

عنوان انگلیسی:

Efficient kNN classification algorithm for big data

~~en~~ writers :

Zhenyun Deng, Xiaoshu Zhu, Debo Cheng, Ming Zong, Shichao Zhang

K nearest neighbors (kNN) is an efficient lazy learning algorithm and has successfully been developed in
real applications. It is natural to scale the kNN method to the large scale datasets. In this paper, we
propose to first conduct a k-means clustering to separate the whole dataset into several parts, each of
which is then conducted kNN classification. We conduct sets of experiments on big data and medical
imaging data. The experimental results show that the proposed kNN classification works well in terms of
accuracy and efficiency.

Keywords: Classification | kNN | Big data | Data cluster | Cluster center

$$en!!