Phân cụm dữ liệu dựa trên mạng nơ ron học sâu

Chỉ số đề mục

50

Lĩnh vực nghiên cứu

Khoa học máy tính

Dạng tài liệu

BB

Tác giả

Phạm Thế Anh, Nguyễn Hoàng Long⁽²⁾, Nguyễn Văn Cường⁽¹⁾, Hoàng Anh Công

Nhan đề

Phân cụm dữ liệu dựa trên mạng nơ ron học sâu

Nhan đề tiếng anh

Data clustering based on deep neural networks

Nguồn trích

Tạp chí Khoa học - Trường Đại học Hồng Đức

Năm xuất bản

2024

Số

67

Trang

5-14

ISSN

1859-2759

Từ khóa

Mạng AutoEncoder, Phân cụm dữ liệu, Mạng nơ ron học sâu

Từ khóa tiếng anh

AutoEncoder, Data clustering, Deep neural network

Tóm tắt

Phân cụm dữ liệu (clustering) là bài toán cơ bản của lĩnh vực khoa học máy tính và có nhiều ứng dụng trong thực tiễn, đặc biệt là phân tích dữ liệu lớn và khai phá dữ liệu. Các thuật toán phân cụm truyền thống như K-means, MeanShift đã được ứng dụng trong nhiều năm qua nhưng vẫn tồn tại nhiều hạn chế liên quan đến độ chính xác phân cụm. Bài báo này nghiên cứu các mô hình mạng nơ ron học sâu, cụ thể là mạng AutoEncoder để giải quyết bài toán phân cụm. Kết quả thực nghiệm trên cơ sở dữ liệu chuẩn cho hệ thống có độ chính xác phân cụm cao vượt trội so với các phương pháp truyền thống.

Tóm tắt tiếng anh

Data clustering is a fundamental problem in the field of computer science and has many practical applications, especially in big data analysis and data mining. Traditional clustering algorithms such as K-means, MeanShift have been applied for many years but still have many limitations related to clustering accuracy. This paper investigates deep neural network models, specifically AutoEncoder networks, to address the clustering problem. Experimental results on standard datasets demonstrate that the system achieves significantly higher clustering accuracy compared to traditional methods.

Kí hiệu kho

TTKHCNGQ, CVv 382

File toàn văn

Xem toàn văn