یک الگوریتم ترکیبی برای تحلیل خوشه مبتنی بر الگوریتم های گرده افشانی گل و انفجار بزرگ

سال انتشار: 1404
نوع سند: مقاله ژورنالی
زبان: فارسی
مشاهده: 83

فایل این مقاله در 21 صفحه با فرمت PDF قابل دریافت می باشد

استخراج به نرم افزارهای پژوهشی:

لینک ثابت به این مقاله:

شناسه ملی سند علمی:

JR_KARFN-22-1_003

تاریخ نمایه سازی: 12 مهر 1404

چکیده مقاله:

هد ف ا ز خو شه بند ی، تشخیص د سته ها ی طبیعی مو جو د د ر یک مجمو عه بز ر گ ا ز د ا د ه ها ا ست که با خلا صه سا ز ی و سا د ه سا ز ی، ا مکا ن تجز یه و تحلیل حجم عظیمی آ ز د ا د ه ها ر ا بر ا ی سا یر کا ر بر د ها فر ا هم می نما ید . تا کنو ن الگوریتم های متعد د ی بر ا ی حل مسا له خوشه بندی ا ر ا ئه شد ه ا ست و لی ا لگو ر یتم یکتا یی که تحت شر ا یط متفا و ت و با ا نو ا ع گو نا گو ن د ا د ه ها ، عملکر د خو بی د ا شته با شد و جو د ند ا ر د . هر ا لگو ر یتم محا سن و معا یب خو د ر ا د ا ر ا می باشد و و یژگیها ی الگوریتم های مختلف مکمل هم هستند . لذا طر ا حی الگوریتم های تر کیبی به منظو ر بهر ه بر د ا ر ی ا ز مز ا یا ی د و یا چند ا لگو ر یتم د ر یک ا لگو ر یتم و ا حد مو ضو ع تحقیقا ت ر و ز ا ست. بر ا ی نیل به ا ین هد ف د ر ا ین مقاله یک ا لگو ر یتم فر ا ا بتکا ر ی تر کیبی ا ر ا ئه شد ه ا ست که مبتنی بر الگوریتم های گرده افشانی گل و ا نفجا ر بز ر گ می باشد . د ر ا لگو ر یتم پیشنها د ی ا لگو ر یتم گرده افشانی گل بر ا ی جستجو ی فضا ی مسا له و پید ا کر د ن خو شه ها ی بهینه ا ستفا د ه می شو د و ا لگو ر یتم ا نفجا ر بز ر گ بر ا ی حل مشکل بهینه محلی و همگر ا یی ز و د ر س ا لگو ر یتم گرده افشانی گل ا ستفا د ه شد ه ا ست. نتا یج شبیه سا ز ی ها بیا نگر کا ر ا یی با لا ی ا لگو ر یتم تر کیبی پیشنها د ی د ر مقا یسه با الگوریتم های غیر تر کیبی می باشد . بطو ر یکه هم کیفیت خو شه ها ی پید ا شد ه و هم ا نحر ا ف معیا ر جو ا بها ی ا لگو ر یتم پیشنها د ی بهتر ا ز الگوریتم های مو ر د مقا یسه می باشد .

کلیدواژه ها:

الگوریتم ترکیبی ، خوشه بند ی د ا د ه ها ، ا لگو ر یتم گر د ه ا فشا نی گل ، ا لگو ر یتم ا نفجا ر بز ر گ

نویسندگان

فرزانه محله

دانشجوی دکتری گروه مهندسی کامپیوتر، دانشگاه فنی و حرفه ای، تهران، ایران

عبدالرضا حاتم لو

گروه کامپیوتر، واحد خوی، دانشگاه آزاد اسلامی، خوی، ایران

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 :
  • Han, J., Kamber, M., & Pei, J. (۲۰۱۲). Data mining ...
  • Jain, A. K. (۲۰۱۰). Data clustering: ۵۰ years beyond K-means. ...
  • Hatamlou, A. (۲۰۱۳). Black hole: A new heuristic optimization approach ...
  • Yang, X. S. (۲۰۲۰). Nature-inspired optimization algorithms: Challenges and open ...
  • Erol, O. K., & Eksin, I. (۲۰۰۶). A new optimization ...
  • Molina, D., Poyatos, J., Ser, J. D., García, S., Hussain, ...
  • Agrawal, P., Abutarboush, H. F., Ganesh, T., & Mohamed, A. ...
  • Wang, S., Jia, H., Abualigah, L., Liu, Q., & Zheng, ...
  • Abderazek, H., Yildiz, A. R., & Mirjalili, S. (۲۰۲۰). Comparison ...
  • Guo, H., Gu, W., Khayatnezhad, M., & Ghadimi, N. (۲۰۲۲). ...
  • Ezugwu, A. E., Shukla, A. K., Nath, R., Akinyelu, A. ...
  • Darwish, A., Hassanien, A. E., & Das, S. (۲۰۲۰). A ...
  • Tzanetos, A., & Dounias, G. (۲۰۲۱). Nature inspired optimization algorithms ...
  • Dhal, K. G., Das, A., Ray, S., Gálvez, J., & ...
  • Ahmed, A. N., Van Lam, T., Hung, N. D., Van ...
  • Pal, S. S., & Pal, S. (۲۰۲۰). Black hole and ...
  • Deeb, H., Sarangi, A., Mishra, D., & Sarangi, S. K. ...
  • Yang, X. S. (۲۰۱۲, September). Flower pollination algorithm for global ...
  • نمایش کامل مراجع