بهبود ساختارگراف شباهت درخوشهبندی طیفی با استفاده از ترکیب Ncut و RatioCut بر پایه الگوریتم ژنتیک
Publish Year: 1395
نوع سند: مقاله کنفرانسی
زبان: Persian
View: 459
This Paper With 12 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:
COMCONF04_382
تاریخ نمایه سازی: 10 تیر 1396
Abstract:
گراف شباهت یکی از مهمترین اجزادر خوشهبندی طیفی وبسیاری دیگرازالگوریتم های خوشهبندی است، که تاثیر مستقیمی در کیفیت نتایج خوشهبندی دارد. از روش های بهبود ساختار گراف شباهت استفاده از الگوریتم های تکاملی مانندالگوریتم ژنتیک است.یکی از چالشها در استفاده از الگوریتم های تکاملی برای بهبود گراف های شباهت، تعیین تابع برازندگی درست، برای ارزیابی کیفیت خوشهبندی می باشد.در این مقاله، با استفاده از ترکیب دو تابع Ncut و RatioCut معیار جدیدیبرای ارزیابی کیفیت خوشهبندی ارایه شده است. با توجه به اینکه در خوشهبندی سایز خوشهها باید به طور منطقی بزرگ باشد،بر این اساس این معیار با در نظر گرفتن سایز خوشهها بر اساس تعداد عناصر و همچنین شدت ارتباط بین عناصر، باعث افزایش دقت درارزیابی خوشهبندی و همچنین افزایش توانایی در تشخیص خوشههای بهتر می شود.از این معیار به عنوان تابعبرازندگی در الگوریتم ژنتیک به منظور بهبود ساختار گراف شباهت و اعمال خوشهبندی طیفی برروی دیتاست های مختلفاستفاده شده است و نتایج بدست آمده با معیار های دیگر بر روی دیتا ست IRIS مقایسه شده است که نتایج بدست آمده نشانمی دهد که معیار معرفی شده کارایی بالایی در ارزیابی درست نتایج خوشهبندی و کمک به بهبود ساختار گراف های شباهت دارد.
Keywords:
Authors
جلیل اسدی
گروه کامپیوتر ، دانشکده فنی مهندسی ، واحد سنندج ، دانشگاه آزاد اسلامی ، سنندج ، ایران
سیدامیر شیخ احمدی
استادیار گروه نرم افزار، دانشگاه آزاد ، سنندج، 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 :