بهبودخوشه بندی داده ها در K-meansبااستفاده ازآتوماتای سلولی والگوریتم بهینه یابی جفت گیری زنبورهای عسل HBMO
محل انتشار: اولین کنفرانس بازشناسی الگو و پردازش تصویر ایران
سال انتشار: 1391
نوع سند: مقاله کنفرانسی
زبان: فارسی
مشاهده: 768
فایل این مقاله در 6 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:
IPRIA01_013
تاریخ نمایه سازی: 11 مرداد 1393
چکیده مقاله:
باتوجهبه حجم بسیاربالای داده هایی که دردنیای امروزبا آن سروکارداریمنیاز به روشهایی همچون داده کاوی برای تحلیل این حجم بزرگ ازداده ها ضروری است ویکی ازمهمترین شاخههای داده کاوی خوشه بندی می باشد همچنین نیاز به روشهایی داریم که تبواند با سرعت ودقت بسیاربالا داده ها را تحلیل نماید یکی ازاین روشها استفاده ازاتوماتای سلولی باتوجهبه توان موازی سازی بسیاربالای آن می باشد ازطرفی باتوجه به رشد روشهای تکاملی دردهه های اخیراین روشها به عنوان یک ابزار جستجووبهینه سازی درحوزه های مختلف علوم می باشند وهمچنین سهولت استفاده وقابلیت دستیابی به جواب نزدیک به بهینه مطلق ازدلایل موفقیت این روشها می باشد دراین مقاله خوشه بندی K-means را با استفاده ازیک مدل ترکیبی انجام داده ایم جهت ارزیابی الگوریتم ازسه مجموعه داده استاندارد Breast-Cancer و Wine ) Iris استفاده ودونوع ازمایش متفاوت را برروی این سه مجموعه داده انجام داده ایم نتایج نشان دهنده این است که الگوریتم پیشنهادی دارای کیفیت زمان اجرا و مقداربرازش بهتری درخوشه بندی داده ها می باشد
کلیدواژه ها:
نویسندگان
حامد صباغ گل
عضوهیئت علمی گروه کامپیوترآموزشکده فنی حرفه ای سما دانشگاه آزاد اسلامی واحد بیرجندبیرجند
خدیجه قاسمی
گروه کامپیوترآموزشکده فنی حرفه ای سما دانشگاه آزاد اسلامی واحد بیرجندبیرجند
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 :