رویکردی نوین بر خوشه بندی داده ها با استفاده از ترکیب الگوریتم های جستجوی هارمونی و شبیه سازی تبرید
Publish place: National Conference on Computer Science and Engineering
Publish Year: 1391
نوع سند: مقاله کنفرانسی
زبان: Persian
View: 853
This Paper With 6 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:
NCCSE01_056
تاریخ نمایه سازی: 9 بهمن 1392
Abstract:
مسئله خوشه بندی داده ها، یکی از موضوعات پژوهشی مهم در زمینه های متنوع از جمله آمار، الگوی تشخیص و یادگیری ماشین و داده کاوی بوده که برای دسته بندی مجموعه داده ها و اشیاء استفاده می شود. تاکنو روش زیادی برای خوشه بندی معرفی شده است . در این م قاله یک روش نوین برای خوشه بندی داده ها بر مبنای الگوریتم K-Means ارائه شد. یکی از معایب الگوریتم K-Means حرکت به سمت بهینه محلی است. در روش پیشنهادی با ترکیب الگوریتم K-Means با الگوریتم SA و بر پایه الگوریتم جستجوی هارمونی سعی شده است تا این مشکل حل گردد. نتایج تجربی نشان می دهد این ایده کارا بوده و در مقایسه با دیگر روش ها به نتایج بهتری دست می یابد.
Keywords:
Authors
سید محمد صادق نبوی چاشمی
دانشگاه آزاد اسلامی واحد شاهرود
مرصاد شعبان پور
دانشگاه آزاد اسلامی واحد مشهد
ایمان باقر پور خشکی
دانشگاه آزاد اسلامی واحد آیت الله آملی
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 :