ارائه روشی جدید جهت خوشه بندی داده ها با استفاده از الگوریتم بهینه سازی گرگ خاکستری
Publish place: Fourth National Conference on Applied Research in Electrical Engineering, Mechanics, Computer and Information Technology
Publish Year: 1397
Type: Conference paper
Language: Persian
View: 1,206
This Paper With 7 Page And PDF Format Ready To Download
- Certificate
- I'm the author of the paper
Export:
Document National Code:
EMCE04_012
Index date: 11 June 2019
ارائه روشی جدید جهت خوشه بندی داده ها با استفاده از الگوریتم بهینه سازی گرگ خاکستری abstract
خوشه بندی یکی از مهمترین مسائل مربوط در داده کاوی داده ها می باشد. جهت خوشه بندی داده ها, الگوریتم های زیادی مانند K-maens تاکنون ارائه شده است. یکی از مهمترین مشکلات این الگوریتم ها حساس بودن به مراکز خوشه اولیه می باشد که ممکن است باعث شود الگوریتم یک پاسخ بهینه محلی تولید کند. الگوریتم بهینه سازی گرگ خاکستری GWO (Gray Wolf Optimization) یک الگوریتم بهینه سازی با عملکردی بسیار مطلوب در مقایسه با سایر الگوریتم های بهینه سازی جهت حل مسائل گوناگون می باشد. در این پژوهش یک راهکار جدید جهت خوشه بندی داده ها با استفاده از الگوریتم GWO ارائه شده است. برای ارزیابی الگوریتم خوشه بندی ارائه شده از سه مجموعه واقعی و استاندارد Iris , Wine و Glass استفاده و با روش های خوشه بندی K-means , الگوریتم ژنتیک GA و الگوریتم بهینه سازی گروهی ذرات PSO مقایسه شده است. نتایج مقایسه ها نشان می دهد که کارایی الگوریتم پیشنهاد شده نسبت به سایر روش ها بهتر می باشد و می تواند بصورت موفقیت آمیز برای خوشه بندی داده ها مورد استفاده قرار گیرد.
ارائه روشی جدید جهت خوشه بندی داده ها با استفاده از الگوریتم بهینه سازی گرگ خاکستری Keywords:
ارائه روشی جدید جهت خوشه بندی داده ها با استفاده از الگوریتم بهینه سازی گرگ خاکستری authors
محمد سروری
دانشگاه بیرجند، دانشکده فنی و مهندسی فردوس، فردوس، ایران
سید محمد رضوی
دانشگاه بیرجند، دانشکده مهندسی برق و کامپیوتر، بیرجند، ایران