بهبودیافته الگوریتم خوشه بندی k-means بز پایه الگوریتم جهش تزکیبی قورباغه
Publish place: The Second National Conference on Applied Research in Computer Science and Information Technology
Publish Year: 1393
نوع سند: مقاله کنفرانسی
زبان: Persian
View: 720
This Paper With 7 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:
CITCONF02_433
تاریخ نمایه سازی: 19 اردیبهشت 1395
Abstract:
خوشه بندی را می توان به عنوان مهم ترین مسئله در یادگیری بدون نظارت در نظر گرفت. طرح شش بندی سعی می شود تا داده ها به خوشه ها تقسیم شوند که شباهت بین داده های درون هر خوشه حداکثر و شباهت بین داده های درون خوشه های متفاوت حداقل شود. الگوریتم K-MeansSFLA یکی از مشهورترین الگوریتم های خوشه بندی داده می باشد که به دلیل پیاده سازی آسان و سرعت عمل کرده، محبوبیت زیادی یافته است اما داده ها را به طور دقیق دسته بندی می کند همچنین از انحراف معیار و هزینه بالایی برخوردار می باشد. برای غلبه بر این مشکل از الگوریتم جهش ترکیبی قورباغه SFLA که یک الگوریتم تکامل مبتنی بر جمعیت ها هم گرایی بالا است را می توان راه حل مناسبی برای بهبود خوشه بندی و هزینه ذکر کرد. در این مقاله الگوریتم جدیدی را با نام SFLAKM برای بهبود روش K-Means پیشنهاد کرده ایم تا به دسته بندی داده ها با دقت بالاتری بپردازد. کارایی الگوریتم پیشنهادی برای مجموعه داده IRIS مورد ارزیابی قرار گرفته است. نتایج به دست آمده حاکی از عملکرد بهتر روش پیشنهادی نسبت به سایر روش های مرز دانش (روش های مطرح) می باشد.
Keywords:
Authors
صدف روستایی
دانشجوی کارشناسی ارشد، دانشکده مهندسی کامپیوتر، دانشگاه آزاد اسلامی، فردوس
هانیه علیدوست
دانشجوی کارشناسی ارشد، دانشکده مهندسی کامپیوتر، دانشگاه آزاد اسلامی، فردوس
حمید غفاری
استادیار، دانشکده مهندسی کامپیوتر دانشگاه آزاد اسلامی، فردوس، ایران
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 :