بهبود خوشه بندی داده با استفاده از منطق فازی و ترکیب الگوریتم های ژنتیک و PSO
Publish place: پنجمین کنفرانس بین المللی مهندسی کامپیوتر ،برق و الکترونیک
Publish Year: 1395
Type: Conference paper
Language: Persian
View: 763
- Certificate
- I'm the author of the paper
این Paper در بخشهای موضوعی زیر دسته بندی شده است:
Export:
Document National Code:
NSOECE05_051
Index date: 1 July 2017
بهبود خوشه بندی داده با استفاده از منطق فازی و ترکیب الگوریتم های ژنتیک و PSO abstract
الگوریتم های تکاملی همواره به عنوان یک روش جستجوی سراسری در بسیاری از مسایل پیچیده که روش های عددی قادر به حل آنها نیستند و یا دچار مشکلاتی می شوند، کاربرد دارند. مسیله خوشه بندی نیز یکی از این مسایل است و با توجه به کاربرد و اهمیت بالای آن، محققین همواره در پی یافتن روشی کامل و دقیق برای حل این مسیله بوده اند. اما با توجه به ماهیت این موضوع، روش های عددی موجود قابلیت حل این مسیله را ندارند و معضل پاسخ های محلی همواره در این روش ها مشکل ساز بوده است. در خوشه بندی فازی مبتنی بر شکل داده این مشکل افزایش می یابد و علاوه بر آن مشکل نیاز به پیش پردازش داده ها نیز به آن افزوده می شود، لذا از ترکیب الگوریتم های ژنتیک وPSO برای حل مشکلات مطرح شده استفاده می کنیم تا با بکارگیری نقاط قوت آن ها و همچنین منطق فازی الگوریتمی بدون معایب قبلی ایجاد کنیم. کارایی الگوریتم پیشنهادی با الگوریتم های ژنتیک فازی وPSO فازی مقایسه شده است. برای ارزیابی کارایی از مجموعه داده های استاندارد برای خوشه بندی توده ای، شکل های متعارف برای خوشه بندی پوسته ای و فاکتورهای اعتبارسنجی خوشه بندی استفاده شده است. در تمام ارزیابی ها الگوریتم پیشنهادی کارایی بهتری از الگوریتم های ژنتیک وPSO فازی دارد.
بهبود خوشه بندی داده با استفاده از منطق فازی و ترکیب الگوریتم های ژنتیک و PSO Keywords:
بهبود خوشه بندی داده با استفاده از منطق فازی و ترکیب الگوریتم های ژنتیک و PSO authors
معصومه میر
گروه مهندسی کامپیوتر، واحد نیشابور، دانشگاه آزاد اسلامی واحد نیشابور، ایران
رضا قایمی
گروه مهندسی کامپیوتر، واحد قوچان، دانشگاه آزاد اسلامی واحد قوچان، 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 :