اصلاحاتی بر الگوریتم یادگیری رقابتی خود تقسیم شونده در خوشه بندی داده ها

سال انتشار: 1394
نوع سند: مقاله کنفرانسی
زبان: فارسی
مشاهده: 688

فایل این مقاله در 9 صفحه با فرمت PDF قابل دریافت می باشد

استخراج به نرم افزارهای پژوهشی:

لینک ثابت به این مقاله:

شناسه ملی سند علمی:

RSTCONF01_241

تاریخ نمایه سازی: 30 آبان 1394

چکیده مقاله:

دو مسئله مهم مورد بحث در مبحث خوشه بندی، حساسیت به نقطه اولیه و محاسبه تعداد پروتوتایپ ها هستند. الگوریتم جدید یادگیری رقابتی خود تقسیم شونده SSCL که قادر به حل این مسائل است را معرفی می کنیم. این الگوریتم در محاسبه تعداد صحیح خوشه ها، در برخی موارد، با شکست مواجه می شود. جهت حل این گونه مسائل، الگوریتم RSSCL را ارائه می دهیم. نقیصه دیگر الگوریتم SSCL ، سرعت یادگیری آهسته ی آن می باشد. الگوریتمی با تقسیم چندگانه جهت سرعت بخشیدن به فرآیند یادگیری در الگوریتم مذکور، طراحی می گردد

کلیدواژه ها:

یادگیری رقابتی ، یادگیری رقابتی خودتقسیم شونده قطعی ، یادگیری رقابتی خود تقسیم شونده والحاق شونده چندگانه

نویسندگان

محمدتقی دستجردی

استادیار، دکترای ریاضی کاربردی، گروه ریاضی، دانشکده علوم، دانشگاه زنجان،

نرگس منوری

دانشجوی کارشناسی ارشد، ریاضی کاربردی، گروه ریاضی، دانشکده علوم، دانشگاه زنجان،

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 :
  • Liu, J., Ra mamohanarao , K. (20 07) Multiple Self-Splitting ...
  • Yun, Z., Boqin, F., Lianmeng, L. (20 08) Robust Self-Splitting ...
  • Zhang, Y. J., Liu, Z. Q. (2002) Self-Splitting Competitive Learning: ...
  • نمایش کامل مراجع