خوشه بندی جستجوی فاخته بهبود یافته
سال انتشار: 1392
نوع سند: مقاله کنفرانسی
زبان: فارسی
مشاهده: 902
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_443
تاریخ نمایه سازی: 9 تیر 1393
چکیده مقاله:
خوشه بندی نقش مهمی در داده کاوی و شناسایی آماری الگو دارد و به دسته بندی داده های مشابه می پردازد. در این مقاله، روش جدیدی جهت خوشه بندی با بکارگیری الگوریتم جستجوی فاخته(CS) با نام خوشه بندی جستجوی فاخته بهبود یافته (ECSC) معرفی می شود. CS روش بهینه سازی نستباٌ جدید مبتنی بر جمعیت است که از تولید مثل انگلی پرنده فاخته الهام گرفته شده است و هر فاخته با نوعی گام تصادفی به نام پرواز لوی حرکت می کند و یک تخم می گذارد. در این مقاله، با الهام از تاثیر شرایط محیطی بر میزان تولید مثل، تعداد تخم هر فاخته با توجه به میزان برازندگی آن تعیین می شود. این عمل سبب می شود که اطراف جواب های بهتر برای یافتن جواب سراسری جستجوی بیشتری نسبت به جواب های ضعیف تر شود. نتایج عددی اعمال ECSC بر روی شش مجموعه داده معیار نشان می دهد که این روش در مقایسه با الگوریتم های دیگر از جمله خوشه بندی CS پایداری بیشتر دارد و کاراتر است .
کلیدواژه ها:
نویسندگان
محیا عامریان
دانشجوی کارشناسی ارشد هوش مصنوعی، گروه کامپیوتر، دانشگاه آزاد اسلامی واحد مشهد،مشهد
محمدرضا اکبرزاده توتونچی
استاد تمام، گروه مهندسی برق، دانشگاه فردوسی، مشهد
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 :