یک روش جدید خوشه بندی با استفاده از ترکیب الگوریتم های ژنتیک و اتوماتای یادگیر
محل انتشار: هفتمین کنفرانس بین المللی فناوری اطلاعات و دانش
سال انتشار: 1394
نوع سند: مقاله کنفرانسی
زبان: فارسی
مشاهده: 1,103
فایل این مقاله در 6 صفحه با فرمت PDF قابل دریافت می باشد
- صدور گواهی نمایه سازی
- من نویسنده این مقاله هستم
این مقاله در بخشهای موضوعی زیر دسته بندی شده است:
استخراج به نرم افزارهای پژوهشی:
شناسه ملی سند علمی:
ICIKT07_160
تاریخ نمایه سازی: 22 مهر 1394
چکیده مقاله:
تا به حال، تعداد بسیاری روش کلاسترینگ ارائه شده است. تعدادی از این روش ها برای بهبود تکنیک k-means روی انتخاب مراکز کلاسترها جهت کم کردن خطای کلاسترینگ تمرکز کرده اند. در این مقاله، 2 روش جدید، جهت بهبود خطای کلاسترینگ، ارائه شده است. نتایج شبیه سازی ها حاکی از این است که روشهای پیشنهادی، تکنیک k-means را بهبود بخشیده اند. روشهای پیشنهادی برای انتخاب مراکز کلاستر از ترکیب تکنیک های ژنتیک و اتوماتای یادگیر استفاده می کنند. روشهای پیشنهادی، فضای پیوسته انتخاب مراکز کلاستر را به صورت گسسته درآورده و با ترکیب الگوریتم های هوشمند به سمت انتخاب نقاط بهینه پیش می روند. دو روش پیشنهادی در نوع گسسته سازی فضای پیوسته با هم تفاوت دارند. در کل، نتایج شبیه سازی ها نشان از موثر بودن راه حل های پیشنهادی دارند.
کلیدواژه ها:
نویسندگان
امجد عثمانی
گروه مهندسی برق، کامپیوتر و فناوری اطلاعات، دانشگاه آزاد اسلامی واحد ارومیه- ارومیه- ایران
جمشید باقرزاده
گروه مهندسی برق، کامپیوتر و فناوری اطلاعات-دانشگاه ارومیه- ارومیه- 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 :