چطور این مقاله مهندسی کامپیوتر و IT را دانلود کنم؟
فایل انگلیسی این مقاله با شناسه 2008229 رایگان است. ترجمه چکیده این مقاله مهندسی کامپیوتر و IT در همین صفحه قابل مشاهده است. شما می توانید پس از بررسی این دو مورد نسبت به خرید و دانلود مقاله ترجمه شده اقدام نمایید
حجم فایل انگلیسی :
398 Kb
حجم فایل فارسی :
242 کیلو بایت
نوع فایل های ضمیمه :
Pdf+Word
کلمه عبور همه فایلها :
www.daneshgahi.com
عنوان فارسي
کاوش دادههای XML از طریق الگوریتمهای کی-میانگین و الگوریتم منهتن
عنوان انگليسي
Mining XML data using K-means and Manhattan algorithms
نویسنده/ناشر/نام مجله
International Journal Of Scientific & Engineering Research
این مقاله چند صفحه است؟
این مقاله ترجمه شده مهندسی کامپیوتر و IT شامل 5 صفحه انگلیسی به صورت پی دی اف و 14 صفحه متن فارسی به صورت ورد تایپ شده است
چکیده
در طی دو دهه‌ی اخیر، فناوری XML با پیشرفت قابل ملاحظه‌ای در حوزه‌ی تشخیص دادههای نیمه ساخت‌یافته و مبادله‌ی داده‌ها از طریق وب همراه بوده است. در همین راستا بکار گیری تکنیک های داده کاوی بر روی دادههای XML به یک ضرورت مبدل گردیده است. الگوریتم خوشه‌بندی K-MEAN یا کی-میانگین را می‌توان یکی از رایج‌ترین الگوریتم ها برای خوشه‌بندی داده کاوی دانست. اخیراً تحقیقاتی بر روی کاوش دادههای XML صورت گرفته است. در این مقاله از الگوریتم خوشه‌بندی K-Mean برای خوشه‌بندی دادههای XML استفاده می‌کنیم. این الگوریتم اقدام به انتخاب نقاط محوری نموده و سپس دادههای XML را بر اساس این نقاط محوری گروه‌بندی می‌سازد. فاصله‌ی مقایسه در بین هر المان، بر اساس هر نقطه‌ی محوری تغییر کرده و باعث شده تا گروه‌هایی از اِلمان ها در کنار یکدیگر شکل گیرند. نزدیک‌ترین المان ها به همدیگر در یک گروه قرار می‌گیرند. فاصله‌ها را با استفاده از الگوریتم منهتن اندازه‌گیری می‌کنیم. در این تحقیق، اپلیکشن خاصی را ارائه می‌دهیم که به کاربر اجازه می‌دهد تا یک فایل XML را آپلود کرده و فیلد هدف و تعداد خوشه‌ها را خودش انتخاب نماید. در نتیجه این اپلیکیشن می‌تواند نقاط محوری و خوشه‌هایی که در همه‌ی گام ها بکار گرفته شده است را نمایش دهد.
1-مقدمه
با توجه به توسعه‌ی فناوری وب، دادههای XML در طی دو دهه‌ی اخیر بسیار رشد داشته‌اند. اخیراً از این فناوری ها برای ذخیره‌سازی و انتقال داده‌ها استفاده می‌شود. در نتیجه، فناوری XML مورد توجه گسترده‌ای در حوزه‌ی پایگاه‌های داده‌ای قرار گرفته است چرا که XML توسط انسان نوشته می‌شود و نه کامپیوتر...
ASP.net نقاط محوری خوشه
:کلمات کلیدی
Abstract
over the last two decades, XML has astonishing developed for describing semi-structured data and exchanging data over the web. Thus, applying data mining techniques to XML data has become necessary .
K-means clustering is one of the most popular algorithms in the clustering of data mining. Recently, there have been some researches undertaken on the mining XML data.
In this paper, applying k-means algorithm, which is one of the clustering algorithms, on XML data is proposed. K-means as an algorithm chooses centroids and then clustering the XML data into groups according to the centroids. The comparison distances between each element vary with every centroid and will make groups of elements together. The closest elements from each others will be in the same group. The distances are measured using the Manhattan algorithm. In this research a specific application has been build, the application allows the user to upload an XML file, choose the target field and select the number of clusters. As a result, the application shows the clusters and centroids used in all of the steps.
Keywords:
ASP.net Centroids Cluster
سایر منابع مهندسی کامپیوتر و IT-نرم افزار در زمینه XML