تعیین تعداد خوشه بهینه در الگوریتم خوشه بندی K-means با استفاده از الگوریتم تکاملی PSO
Publish place: 3nd National Conference on Computer Science
Publish Year: 1394
نوع سند: مقاله کنفرانسی
زبان: Persian
View: 3,539
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:
NCCOS03_173
تاریخ نمایه سازی: 9 مرداد 1395
Abstract:
خوشه بندی یکی ازتکنیک های معروف درداده کاوی است که بدون هیچ دانش قبلی داده هارا به گروه ها یمعناداری تقسیم می ند به همین دلیل امروزه خوشه بندی درکاربردهای مختلفی استفاده میشود یکی ازالگوریتم های معروف خوشه بندی الگوریتم k-means می باشد این الگوریتم علیرغم مزایای بسیارازجمله سرعت بالا و سهولت پیاده سازی به دلیل وابسته بودن به پارامترهای اولیه الگوریتم دردام بهینه محلی قرارگرفته و همواره جواب بهینه مساله را تولید نمی کند یکی ازپارامترهای اولیه الگوریتم که اگر به درستی تعیین نشود سبب قرارگرفتن نتایج الگوریتم k-means دردام بهینه محلی میشود تعیین تعدادخوشه بهینه می باشد به همین دلیل ما دراین مقاله سعی نموده ایم با انتخاب تعدادخوشه مناسب بااستفاده ازراه کاری مبتنی برالگوریتم تکاملی pso تا درصد بالایی نتایج خوشه بندی k-means را ازدام بهینه محلی خارج نماییم سپس به منظور اعتبار سنجی راهکارپیشنهادی برروی چندین مجموعه داده استاندارد ازسایت UCI و چندمجموعه داده مصنوعی مورد ارزیابی قرار میگیرد نتایج با راهکارهای سرانگشتی متدزانو شاخصهای اعتبارسنجی داخلی شاخصهای اعتبارسنجی مبتنی برتئوری اطلاعات مقایسه میگردد بررسی نتایج نشان میدهد راهکارجدید ما قادر است تعدادخوشه بهینه را با دقت بیشتری درمقایسه با راهکارهای دیگر تولید نماید
Keywords:
Authors
مریم لشکری
دانشجوی کارشناسی ارشد نرم افزار کامپیوتر دانشگاه آزاد فردوس
سید محمد حسین معطر
استاد یار دانشگاه آزاد اسلامی واحد مشهد گروه نرم افزار مشهد 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 :