الگوریتم های فرامکاشفه ای در خوشه بندی
Publish Year: 1393
نوع سند: مقاله کنفرانسی
زبان: Persian
View: 1,920
This Paper With 7 Page And PDF Format Ready To Download
- Certificate
- من نویسنده این مقاله هستم
استخراج به نرم افزارهای پژوهشی:
شناسه ملی سند علمی:
CSITM01_521
تاریخ نمایه سازی: 10 شهریور 1393
Abstract:
الگوریتم های فرامکاشفه ای الگوریتم هایی هستند که ایده اصلی شان از طبیعت الهام گرفته شده است و از آنجایی که تابع مکاشففه ایاین الگوریتم ها قبلا در طبیعت تست شده و جواب داده اند، در اکثر زمینه ها کاربرد گسترده ای پیدا کرده اند. یکی از این زمینه ها،خوشه بندی است. خوشه بندی، از ابزارهای متداول داده کاوی بوده که هدف آن استخراج دسته هایی با حداکثر شباهت بین عناصرداخلی دسته و حداقل شباهت با عناصر سایر دسته ها می باشد. برای خوشه بندی روش های متفاوتی وجود دارد که معروف ترین و محبوب ترین آن ها الگوریتم k-means است. اما این الگوریتم مشکلاتی از قبیل حساس بودن به مقدار دهی اولیه و گرفتار شدن در بهینه های محلی دارد. برای حل این مشکلات روش های زیادی ارائه شده است که الگفوریتم های فرامکاشفه ای نمونه ای از آنهاست. در این مقاله یک دسته بندی جدیدی از الکوریتم های فرامکاشفه ای که برای برطرف کردن مشکلات خوشه بندی ارائه شده اند، صورت گرفته است.
Keywords:
Authors
فاطمه محمودلو
کارشناسی ارشد عاوم کامپیوتر دانشگاه تبریز
محمدرضا فیضی درخشی
استادیار، دانشگاه تبریز
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 :