روش های خوشه بندی داده براساس جستجوی فاخته
سال انتشار: 1392
نوع سند: مقاله کنفرانسی
زبان: فارسی
مشاهده: 667
فایل این مقاله در 7 صفحه با فرمت PDF قابل دریافت می باشد
- صدور گواهی نمایه سازی
- من نویسنده این مقاله هستم
استخراج به نرم افزارهای پژوهشی:
شناسه ملی سند علمی:
CEIT01_433
تاریخ نمایه سازی: 9 تیر 1393
چکیده مقاله:
در این مقاله، روش هایی جهت خوشه بندی بر اساس الگوریتم جستجوی فاخته(CS) ارائه می شود. CS از تولید مثل انگلی پرنده فاخته الهام گرفته شده است. در این الگوریتم حرکت هر فاخته به صورت نوعی گام تصادفی به نام پرواز لوی است. در الگوریتم اول، جمعیت اولیه به صورت تصادفی تولید می شود. در الگوریتم دوم ، برای بهبود پایداری خوشه بندی از خاصیت همه سویی تابع آشوبناک گربه آرنولد که نمای لیاپانوف بالاتری نسبت به نگاشت منطقی دارد، بهره گرفته می شود. در الگوریتم سوم (KCS) به منظور شروع از نقاط نزدیکتر به جواب سراسری، از الگوریتم برای تولید جمعیت اولیه استفاده می شود. CS ترکیبی با گربه آرنولد در مقایسه با CS ترکیبی نگاشت منطقی بر روی هفت تابع معیار بهینه سازی، عملکرد موفق تری دارد. نتیجه اعمال الگوریتم های خوشه بندی بر روی شش مجموعه داده معیار نشان می دهد که KCS در مقایسه با سایر الگوریتم های مورد بررسی، پایداری بیشتر و متوسط هزینه کمتری دارد.
کلیدواژه ها:
نویسندگان
محیا عامریان
دانشجوی کارشناسی ارشد هوش مصنوعی، گروه کامپیوتر، دانشگاه آزاد اسلامی واحد مشهد،مشهد
مححمد رضا اکبرزاده توتونچی
استادتمام ، گروه مهندسی برق، دانشگاه فردوسی، مهشد
سید جواد مهدوی چابک
استادیار، گروه مهندسی کامپیوتر، سخت افزار، دانشگاه آزاد اسلامی واحد مشهد، مشهد
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 :