روشی پویا در خوشه بندی داده های بزرگ با ترکیب الگوریتم k-میانگین و بهینه سازی کلونی مورچه
Publish place: کنفرانس ملی فناوری های نوین در مهندسی برق و کامپیوتر
Publish Year: 1396
نوع سند: مقاله کنفرانسی
زبان: Persian
View: 368
This Paper With 17 Page And PDF Format Ready To Download
- Certificate
- من نویسنده این مقاله هستم
استخراج به نرم افزارهای پژوهشی:
شناسه ملی سند علمی:
PCCO01_293
تاریخ نمایه سازی: 26 مرداد 1397
Abstract:
خوشه بندی به معنای تقسیم بندی بدون نظارت است که با استفاده از آن داده ها به دسته هایی که از نظر پارامترهای مورد علاقه شباهت بیشتری به یکدیگر دارند تقسیم میگردند. یکی از روش های معروف در این زمینه، الگوریتم k-means می باشد که دارای معایبی چون وابستگی به شرایط اولیه و گیرافتادن در بهینه محلی، میباشد. در این مقاله از تر کیب الگوریتم کلونی مورچه با روش خوشه بندی برای دستیابی به دقت خوشه بندی بهتر استفاده میگردد که نوآوری آن استفاده از یک تابع جدید برای تبخیر فرمون در مسیر حرکت مورچهها و اعمال تغییر مناسب در الگوریتم پایه میباشد. نتایج پیاده سازی بیانگر کیفیت مناسب روش پیشنهادی در مقایسه با سایر روشها میباشد
Authors
زهره سالاری
دانشجو کارشناشی ارشد مهندسی کامپیوتر،گروه کامپیوتر، ، دانشگاه آزاد اسلامی واحدسیرجان، سیرجان، ایران
محمد صادق حاج محمدی
عضو هیات علمی دانشگاه آزاد سیرجان، گروه کامپیوتر، دانشگاه آزاد اسلامی واحدسیرجان، سیرجان، ایران