ارائه روش بهبود یافته الگوریتم کلونی زنبور عسل برای خوشه بندی داده ها
Publish place: 11th Intelligent Systems Conference
Publish Year: 1391
Type: Conference paper
Language: Persian
View: 3,613
This Paper With 7 Page And PDF Format Ready To Download
- Certificate
- I'm the author of the paper
Export:
Document National Code:
ICS11_207
Index date: 6 October 2013
ارائه روش بهبود یافته الگوریتم کلونی زنبور عسل برای خوشه بندی داده ها abstract
خوشه بندی یکی از روش های مهم در زمینه تحلیل داده ها است. در خوشه بندی داده ها به گروه های با معنی تقسیم می شون. در این مقاله یک روش بهبود یافته الگوریتم کلونی زنبور عسل برای خوشه بندی داده ها ارائه شده است. الگوریتم کلونی زنبور عسل، یکی از روش های جدید بهینه سازی تصادفی است که از رفتار جمعی زنبورهای عسل، الهام گرفته شده است. یکی از مشکلات الگوریتم کلاسیک زنبور عسل دیر همگرا شدن و گیر افتادن در بهینه محلی است. در این مقاله یک الگوریتم جدید مبتنی بر کلونی زنبور عسل برای مسئله خوشه بندی داده ها پیشنهاد شده است. کارایی الگوریتم پیشنهادی بر روی مجموعه داده ه ای پایگاه UCI مورد ارزیابی قرار گرفته شده است. نتایج به دست آمده از آزمایشات نشان دهنده بهبود عملکرد این الگوریتم در مقایسه با الگوریتم کلاسیک زنبور عسل و الگوریتم k-means است
ارائه روش بهبود یافته الگوریتم کلونی زنبور عسل برای خوشه بندی داده ها Keywords:
خوشه بندی , الگوریتم بهبود یافته کلونی زنبور عسل , الگوریتم کلونی زنبور عسل , الگوریتم شبیه سازی تبرید , جستجوی محلی , جستجوی سراسری
ارائه روش بهبود یافته الگوریتم کلونی زنبور عسل برای خوشه بندی داده ها authors
نفیسه ایمانیان
دانشجوی کارشناسی ارشد علوم کامپیوتر، دانشکده ریاضی و علوم کامپیوتر دانشگاه صنعتی امیرکبیر
فرهاد محمد ملکی
دانشجوی دکتری علوم کامپیوتر، دانشکده ریاضی و علوم کامپیوتر دانشگاه صنعتی امیرکبیر
محمد ابراهیم شیر
عضو هیئت علمی، دانشکده ریاضی و علوم کامپیوتر دانشگاه صنعتی امیرکبیر
مراجع و منابع این Paper:
لیست زیر مراجع و منابع استفاده شده در این Paper را نمایش می دهد. این مراجع به صورت کاملا ماشینی و بر اساس هوش مصنوعی استخراج شده اند و لذا ممکن است دارای اشکالاتی باشند که به مرور زمان دقت استخراج این محتوا افزایش می یابد. مراجعی که مقالات مربوط به آنها در سیویلیکا نمایه شده و پیدا شده اند، به خود Paper لینک شده اند :