ناشر تخصصی کنفرانس های ایران

لطفا کمی صبر نمایید

Publisher of Iranian Journals and Conference Proceedings

Please waite ..
ناشر تخصصی کنفرانسهای ایران
ورود |عضویت رایگان |راهنمای سایت |عضویت کتابخانه ها
عنوان
مقاله

Hybrid Imperialist Competitive Algorithm and Dynamic Validity Index to find the best clusters

سال انتشار: 1390
کد COI مقاله: SASTECH05_180
زبان مقاله: انگلیسیمشاهده این مقاله: 1,542
فایل این مقاله در 9 صفحه با فرمت PDF قابل دریافت می باشد

خرید و دانلود فایل مقاله

با استفاده از پرداخت اینترنتی بسیار سریع و ساده می توانید اصل این مقاله را که دارای 9 صفحه است به صورت فایل PDF در اختیار داشته باشید.
آدرس ایمیل خود را در کادر زیر وارد نمایید:

مشخصات نویسندگان مقاله Hybrid Imperialist Competitive Algorithm and Dynamic Validity Index to find the best clusters

Mojgan Ghanavati - Iran University of science and technology
Mohammad Reza Gholamian - Iran University of science and technology
Behrouz Minaei
Mehran Davoudi

چکیده مقاله:

Cluster analysis is one of attractive data mining technique that use in many fields. One of the popular types of clustering algorithms is the center based clustering algorithm. K-means used as a popular clustering method due to its simplicity and high speed in clustering large datasets. However, K-means has two shortcomings. K-means is dependent on the initial state and convergence to local optima in some of the large problems. In order to these shortcomings, in an unsupervised clustering the number of clusters needs to be fixed by a human analyst too. In order to overcome local optima problem and for determining the number of clusters, lots of studies done in clustering. In this paper we combine a new search heuristic called Imperialist Competitive Algorithm with Dynamic Validity Index (DVIndex) to find the best clusters. In this algorithm, we assume each clustering solution as a country and use we use DVIndex as an efficient method to find number of clusters for calculating the clustering cost in each step. We compared proposed algorithm with other heuristics algorithm in clustering, such as traditional K-means, CSO, GKA and PSO-GA, by implementing them on several well-known datasets. Our findings show that the proposed algorithm works better than the others.

کلیدواژه ها:

Clustering, Meta-heuristic, K-means, Imperialist Competitive, DVIndex

کد مقاله/لینک ثابت به این مقاله

کد یکتای اختصاصی (COI) این مقاله در پایگاه سیویلیکا SASTECH05_180 میباشد و برای لینک دهی به این مقاله می توانید از لینک زیر استفاده نمایید. این لینک همیشه ثابت است و به عنوان سند ثبت مقاله در مرجع سیویلیکا مورد استفاده قرار میگیرد:

https://civilica.com/doc/157479/

نحوه استناد به مقاله:

در صورتی که می خواهید در اثر پژوهشی خود به این مقاله ارجاع دهید، به سادگی می توانید از عبارت زیر در بخش منابع و مراجع استفاده نمایید:
Ghanavati, Mojgan and Gholamian, Mohammad Reza and Minaei, Behrouz and Davoudi, Mehran,1390,Hybrid Imperialist Competitive Algorithm and Dynamic Validity Index to find the best clusters,5th Symposium on Advances in Science and Technology,Mashhad,,,https://civilica.com/doc/157479

در داخل متن نیز هر جا که به عبارت و یا دستاوردی از این مقاله اشاره شود پس از ذکر مطلب، در داخل پارانتز، مشخصات زیر نوشته می شود.
برای بار اول: (1390, Ghanavati, Mojgan؛ Mohammad Reza Gholamian and Behrouz Minaei and Mehran Davoudi)
برای بار دوم به بعد: (1390, Ghanavati؛ Gholamian and Minaei and Davoudi)
برای آشنایی کامل با نحوه مرجع نویسی لطفا بخش راهنمای سیویلیکا (مرجع دهی) را ملاحظه نمایید.

مراجع و منابع این مقاله:

لیست زیر مراجع و منابع استفاده شده در این مقاله 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 مقاله لینک شده اند :

  • Atashpaz Gargary, E., et al., 2008. Colonial competitive algorithm A ...
  • Atashp az-Gargari, E., Lucas, Caro., 2007. Imperialist Competitive Algorithm: An ...
  • B iab angard-O skouyi, E., et al., 2009. Application of ...
  • Du, Z., et al., 2008. PK-means: A new algorithm for ...
  • Hung, C.C., Wan, L., 2009. Hybridization of Particle Swarm Optimization ...
  • Kao, Y-T., et al., 2008. A hybridized approach to data ...
  • Nazari- Shirkouhi, S., et al., 2010. Solving the integrated product ...
  • Niknam, T., et al., 2009. An efficient hybrid evolutionary optimization ...
  • "sAsrech 201 1, Khavaran Higher-education Institute, Mashhad, Iran. May 12-14. ...
  • Niknam, T., et al., 2010. An efficient hybrid algorithm based ...
  • Nguyen, C.D., Cios, K.J., 2008. GAKREM: A novel hybrid clustering ...
  • Nopiah, Z.M., et al, 2009. A Weighted Genetic Algorithm Based ...
  • Rajabioun, R., Atashpas -Gargari, E., Lucas, C., 2008, Colonial Competitive ...
  • Zhang, C., Ouyang, D., Ning, J., 2010, An artificial bee ...
  • مدیریت اطلاعات پژوهشی

    صدور گواهی نمایه سازی | گزارش اشکال مقاله | من نویسنده این مقاله هستم

    اطلاعات استنادی این مقاله را به نرم افزارهای مدیریت اطلاعات علمی و استنادی ارسال نمایید و در تحقیقات خود از آن استفاده نمایید.

    علم سنجی و رتبه بندی مقاله

    مشخصات مرکز تولید کننده این مقاله به صورت زیر است:
    نوع مرکز: دانشگاه دولتی
    تعداد مقالات: 21,678
    در بخش علم سنجی پایگاه سیویلیکا می توانید رتبه بندی علمی مراکز دانشگاهی و پژوهشی کشور را بر اساس آمار مقالات نمایه شده مشاهده نمایید.

    مقالات مرتبط جدید

    به اشتراک گذاری این صفحه

    اطلاعات بیشتر درباره COI

    COI مخفف عبارت CIVILICA Object Identifier به معنی شناسه سیویلیکا برای اسناد است. COI کدی است که مطابق محل انتشار، به مقالات کنفرانسها و ژورنالهای داخل کشور به هنگام نمایه سازی بر روی پایگاه استنادی سیویلیکا اختصاص می یابد.

    کد COI به مفهوم کد ملی اسناد نمایه شده در سیویلیکا است و کدی یکتا و ثابت است و به همین دلیل همواره قابلیت استناد و پیگیری دارد.

    پشتیبانی