مروری بر رویکردهای خوشه بندی طیفی: شبکه های عصبی و یادگیری عمیق
مروری بر رویکردهای خوشه بندی طیفی: شبکه های عصبی و یادگیری عمیق
نیما آبرومند1 آریا دلشاد2
1) گروه علوم کامپیوتر، هوش مصنوعی، دانشگاه تگزاس در آرلینگتون، تگزاس، امریکا
2) دانشکده فنی و مهندسی، دانشگاه فردوسی مشهد، شهر مشهد، استان خراسان رضوی
کد IOI مقاله
:
XDAC-FBBGF
محل انتشار :
دومین کنفرانس علمی پژوهشی مکانیک، برق، کامپیوتر و علوم مهندسی موناکو(mececonf.com)
چکیده :
خوشه بندی طیفی در طی سالیان متمادی به یکی از محبوب ترین الگوریتم های خوشه بندی مدرن تبدیل شده است. اجرای آن به شدت ساده است، اما دلیل ضعف در روش ها و تفاوت در داده های مختلف، چالش هایی در آن وجود دارد. در نگاه اول خوشه بندی طیفی کمی مرموز به نظر می رسد و مشخص نیست که چرا اصلا کار می کند و واقعا چه کاری انجام می دهد. این تحقیق یک مطالعه مروری کامل بر روش های خوشه بندی طیفی مبتنی بر شبکه های عصبی و یادگیری عمیق طی چند سال اخیر را مورد مطالعه قرار می دهد. این مقاله می تواند برای محققانی که می خواهند آثار خوشه بندی طیفی را مطالعه کنند، یک مطالعه سریع و کاربرد را فراهم می کند.
کلمات کلیدی : خوشه بندی طیفی شبکه عصبی یادگیری عمیق