ارائه مدلی جهت بهبود الگوریتم خوشه بندی K-Means بر پایه الگوریتم های ژنتیک
Publish place: 3rd Iran Data Mining Conference
Publish Year: 1388
نوع سند: مقاله کنفرانسی
زبان: Persian
View: 5,712
This Paper With 8 Page And PDF Format Ready To Download
- Certificate
- من نویسنده این مقاله هستم
این Paper در بخشهای موضوعی زیر دسته بندی شده است:
استخراج به نرم افزارهای پژوهشی:
شناسه ملی سند علمی:
IDMC03_112
تاریخ نمایه سازی: 13 دی 1389
Abstract:
خوشه بندی داده ها به کلاس ها و یا دسته های متناسب یکی از مباحث مهم و مطرح در تشخیص الگو می باشد آنچه که در خوشهبندی حائز اهمیت است انجام این کار به گونه ای است که داده هایی که درست کلاس بندی نشده اند به حداقل برسند و یا به عبارت دیگر در هر کلاس داده هایی قرار بگیرند که حداکثر نزدیکی و مشابهت را به یکدیگر داشته باشند. در این مقاله، ابتدا یکی از روش های پایه در خوشه بندی به نامK-Means Clustering شرح داده شده است و سپس به کمک الگوریتم های ژنتیک، مدل پیشنهادی جدیدی که آن را GA-Clustering نامگذاری کرده ایم ، برای بهبود روش K-Means معرفی گردیده است. در پایان، روش مزبور بر روی مجموعه ای از داده های شناخته شده، تست شده است. نتایج نشان می دهد روش پیشنهادی به میزان قابل توجهی داده ها را بهتر از الگوریتم سنتی خوشه بندیK-Means دسته بندی می کند.
Keywords:
تشخیص الگو , خوشه بندی K-Means الگوریتم ژنتیک
Authors
روح اله مقصودی
کارشناسی ارشد هوش ماشین و روباتیک، دانشگاه آزاد اسلامی واحد علوم و تحق
نیما فصیحی
کارشناسی ارشد هوش ماشین و روباتیک، دانشگاه آزاد اسلامی واحد علوم و تحق
محمد تشنه لب
دانشیار دانشکده برق دانشگاه صنعتی خواجه نصیرالدین طوسی، سید خندان