تلفیق الگوریتم خوشه بندی K-means و الگوریتم SFLA جهت خوشه بندی داده ها
Publish place: سومین کنگره بین المللی کامپیوتر، برق و مخابرات
Publish Year: 1395
نوع سند: مقاله کنفرانسی
زبان: Persian
View: 426
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:
ITCC03_326
تاریخ نمایه سازی: 6 اردیبهشت 1396
Abstract:
خوشه بندی داده ها یک راهکار موثر در تحلیل داده ها و داده کاوی است. الگوریتم k-means یکی از روش های رایجخوشه بندی می باشد که بدلیل پیاده سازی آسان و عملکرد مناسب به طورگسترده ای به کار می رود اما مشکلاتی از جمله حساسبودن به مقادیر اولیه و گرفتار شدن در بهینه محلی از قدرت عملکرد آن می کاهد. در این مقاله جهت غلبه بر مشکلات ذکرشده روشی ترکیبی مبتنی بر الگوریتم جهش قورباغه و الگوریتم k-means ارایه شده است. نتایج بدست آمده حاکی از عملکرد بهتر این روش در امر خوشه بندی نسبت به الگوریتم های مورد مقایسه می باشد.
Keywords:
Authors
حمیده جشن
دانشجو کارشناسی ارشد، دانشگاه آزاد اسلامی، واحد اهواز
ماشاالله عباسی دزفولی
استادیار، دانشگاه آزاد اسلامی، واحد اهواز
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 :