الگوریتم خوشهبندی فازی c-means مبتنی بر هسته بر اساس الگوریتم ژنتیک

Publish Year: 1395
نوع سند: مقاله کنفرانسی
زبان: Persian
View: 1,826

This Paper With 14 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:

لینک ثابت به این Paper:

شناسه ملی سند علمی:

PFCONF02_178

تاریخ نمایه سازی: 7 اردیبهشت 1396

Abstract:

الگوریتم خوشهبندی فازی c-means ، FCM روشی است که غالبا برای تشخیص الگو مورد استفاده قرار میگیرد. این روش مزایایی نظیر مدلسازی خوب نتایج را در بردارد. اگرچه به خودی خود، قادر به تعیین تعداد خوشه ها نمیباشد. باهدف قرار دادن مشکلات موجود در الگوریتم خوشهبندی FCM یک الگوریتم خوشهبندی فازی مبتنی بر هسته c-means براساس الگوریتم ژنتیک KFCM برای بهینهسازی خوشهبندی فازی c-means ارایهشده است که ترکیبی از الگوریتم ژنتیک بهبودیافته و روشهای کرنل است GAKFCM این الگوریتم، الگوریتم ژنتیک بهبودیافته ترکیبی برای بهینهسازی مرکزیت خوشهها استفاده میگردد و سپس الگوریتم KFCM برای راهنمایی طبقهبندی مورد استفاده قرار میگیرد. بنابراین به این ترتیب، کارایی خوشهبندی الگوریتم FCMبهبود مییابد. در این مقاله، از نرمافزار متلب برای شبیهسازیاستفادهشده است و کارایی الگوریتم FCM الگوریتمKFCM و GAKFCM توسط مجموعه داده تست بررسی شده است. نتایج ثابت میکند که الگوریتم GAKFCM برای غلبه بر الگوریتم FCM و بهبود کارایی خوشهبندیارایهشده است

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 :
  • review, IEEE ن [1] J.M.A.K. Jain, R.P.W. Duin, Statistical pattern ...
  • P.J.F.A.K. _ M.N. Murty, Data clustering: 5 review, ACM Comput. ...
  • S. Haykin, Neural Networks: A _ omprehensive Foundation, Prentice Hall, ...
  • V. Vapnik, The Nature of Statistical Learning Theory, Springer, New ...
  • C. Burges, A tutorial on support vector machines for pttern ...
  • K.C.M.T. Musavi, W. Ahmed, On the training of radial basis ...
  • J. Bezdek, Pattern Recognition with Fuzzy Objective Function Algorithms , ...
  • R.B.M. Setnes, Fuzzy relational classifier trained by fuzzy clustering, IEEETrans. ...
  • D.Z.W .L. Cai, S.C. Chen, Robust fuzzy relationa classfifier incorporating ...
  • Zhang, A novel kernelized fuzzy c-means algorithm with applicationin medical ...
  • Chen, Robust imasge segmentation using fcm _ spatial _ OS ...
  • Goldberg, Genectic Algorithms in Search, Optimization, and _ _ hineLearning ...
  • Holland, Adaptation in Natural and Artificiat Systems, University ofMichigan Press, ...
  • Michalewicz, Genetic Algorithms Data Structures Evolution Programs , Springer- Verlag, ...
  • Mitchell, Introduction _ Genectic Algorithms, MIT Press, Ann Arbor, 1996. ...
  • Gen, Genectic Algorithms and Engineering Design, Wiley, New York, 1997. ...
  • Black, D. Fogel, Handbook of Evolutionary Computation, Institute ofPhysics Publishing, ...
  • Meng, T.J. Feng, Genetic algorithms encoding study and a S ...
  • Plamen, A fuzzy controller with evolving structure, Inf. Sci. _ ...
  • Gacognne, Research of Pareto Set by Genetic Algorithm, Application T ...
  • Joint Conference of the 14th IEEE International Conference, 1995, vol. ...
  • Lee, Integrating design stage of fuzzy systems using genetic algorithms, ...
  • Sinha, R.N. Patel, Application _ and pso tuned fuzzy contro]ler ...
  • Fuzzy controller design without domain experts, in: IEEE Internation a]Conference ...
  • Self-learning fuzzy contro]lers based _ temporal _ propagation , IEEE ...
  • Takagi, I. Hayashi, NN-driven fuzzy reasoning, Int. J. Approx. Reason. ...
  • Nomura, I. Hayashi, A self-tuning method of fuzzy control by ...
  • Alata, K. Demirli, Interpolation behavior of ts fuzzy controllers, in ...
  • نمایش کامل مراجع