سیویلیکا را در شبکه های اجتماعی دنبال نمایید.

بهبود روش خوشه بندی مورچه ای به کمک اتوماتاهای یادگیر

سال انتشار: 1386
نوع سند: مقاله کنفرانسی
زبان: فارسی
مشاهده: 1,872

فایل این مقاله در 7 صفحه با فرمت PDF قابل دریافت می باشد

استخراج به نرم افزارهای پژوهشی:

لینک ثابت به این مقاله:

شناسه ملی سند علمی:

ACCSI13_088

تاریخ نمایه سازی: 25 آبان 1386

چکیده مقاله بهبود روش خوشه بندی مورچه ای به کمک اتوماتاهای یادگیر

خوشه بندی مورچه ای روشی الهام گرفته از طبیعت برای خوشه بندی می باشد. این روش دارای مزایایی می باشد که آن را در سالهای اخیر مورد توجه محققان قرارداده است. در این مقاله از یک پیشنهاد برای بهبود خوشه بندی مورچه ای ارایه میشود. در روش پیشنهادی، از اتوماتای یادگیر برای یادگیری مکان قرار دادن داده ها برروی صفحه استفاده شده است. برای این منظور صفحه ای که مورچه ها بر روی آن خوشه بندی می کنند ناحیه بندی میشود وسپس هر مورچه مجهز به یک اتوماتای یادگیر است. وضیفه اتوماتای یادگیر هر مورچه یادگیری ناحیه ای میباشد که قرار است مورچه داده خود را در ان قرار دهد. این روش با تنها روش موجود برای تشخیص مکانهای مهم در صفحه برای خوشه بندی که "حافظه ی کوتاه مدت" نام دارد مقایسه شده است. نتایج آزمایشها بر روی 5 مجموعه داده استاندارد نشان می دهد که روش پیشنهادی با محاسبات کمتر، خوشه بندی بهتری در مقایسه با روش "حافظه ی کوتاه مدت"بدست می آورد. همچنین مقایسه ها برتری روش ارائه شده را نسبت K-means بهنشان می دهد.

کلیدواژه های بهبود روش خوشه بندی مورچه ای به کمک اتوماتاهای یادگیر:

خوشه بندی مورچه ای ، اتوماتاهای یادگیر ، حافظه ی کوتاه مدت

نویسندگان مقاله بهبود روش خوشه بندی مورچه ای به کمک اتوماتاهای یادگیر

برنا جعفرپور

آزمایشگاه محاسبات نرم دانشکده مهندسی کامپیوتر و فناوری اطلاعات دانش

محمدرضا میبدی

آزمایشگاه محاسبات نرم دانشکده مهندسی کامپیوتر و فناوری اطلاعات دانش

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 :
_ L. Deneubourg, S. Goss, N. Franks, A. S e ...
E.D. Lumer , B. Faieta, "Diversity and adaptation in populations ...
J. Handl, J. Knowles, and M. Dorigo. "Strategies for the ...
J. Handl and B. Meyer. *Improved ant-based clustering and sorting ...
from Nature, volume 2439 of LNCS, pp. 913-923. Springer- Verlag, ...
K. Hoe, W. Lai, and T. Tai. *Homogenous unts for ...
P. Kuntz and D. Snyers.، 0Nevv results _ an ant-based ...
P. Kuntz, D. Snyers, and P. Layzell. "A stochastic heuristic ...
P. Kuntz, P. Layzell and D. Snyers, "A colony of ...
R. Rastegar, M. R. Meybodi, and K. Badie, ،0A Nevv ...
M. Sheybani and M. R. Meybodi, ،.PSO-LA: A Newv Model ...
H. Beigy, and M. R. Meybodi, "Utilizing Distributed Learning Automata ...
M. A. L. Thathachar and P. S. Sastry, 00Vurieties of ...
نمایش کامل مراجع

مقاله فارسی "بهبود روش خوشه بندی مورچه ای به کمک اتوماتاهای یادگیر" توسط برنا جعفرپور، آزمایشگاه محاسبات نرم دانشکده مهندسی کامپیوتر و فناوری اطلاعات دانش؛ محمدرضا میبدی، آزمایشگاه محاسبات نرم دانشکده مهندسی کامپیوتر و فناوری اطلاعات دانش نوشته شده و در سال 1386 پس از تایید کمیته علمی سیزدهمین کنفرانس سالانه انجمن کامپیوتر ایران پذیرفته شده است. کلمات کلیدی استفاده شده در این مقاله خوشه بندی مورچه ای، اتوماتاهای یادگیر، حافظه ی کوتاه مدت هستند. این مقاله در تاریخ 25 آبان 1386 توسط سیویلیکا نمایه سازی و منتشر شده است و تاکنون 1872 بار صفحه این مقاله مشاهده شده است. در چکیده این مقاله اشاره شده است که خوشه بندی مورچه ای روشی الهام گرفته از طبیعت برای خوشه بندی می باشد. این روش دارای مزایایی می باشد که آن را در سالهای اخیر مورد توجه محققان قرارداده است. در این مقاله از یک پیشنهاد برای بهبود خوشه بندی مورچه ای ارایه میشود. در روش پیشنهادی، از اتوماتای یادگیر برای یادگیری مکان قرار دادن داده ها برروی صفحه استفاده ... . برای دانلود فایل کامل مقاله بهبود روش خوشه بندی مورچه ای به کمک اتوماتاهای یادگیر با 7 صفحه به فرمت PDF، میتوانید از طریق بخش "دانلود فایل کامل" اقدام نمایید.