یک راهکار جدید برای خوشه بندی بر اساس الگوریتم جستجوی فاخته بهبود یافته
سال انتشار: 1393
نوع سند: مقاله کنفرانسی
زبان: فارسی
مشاهده: 604
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:
CITCONF02_335
تاریخ نمایه سازی: 19 اردیبهشت 1395
چکیده مقاله:
خوشه بندی به عنوان یک ابزار مهم در شناسایی آماری الگو و داده کاوی به دسته بندی داده های مشابه می پردازد. در این مقاله، روش جدیدی جهت خوشه بندی بر اساس الگوریتم جستجوی فاخته (CS) با نام خوشه بندی جستجوی فاخته بهبود یافته (ECSC) ارائه میشود. جستجوی فاخته، روش بهینه سازی نسبتا جدید مبتنی بر جمعیت است که از تولید مثل انگلی پرنده فاخته الهام گرفته شده است. در CS هر فاخته که یک جواب مسئله خوشه بندی است، با نوعی گام تصادفی به نام پرواز لوی حرکت میکند و در مکان جدید یک تخم میگذارد. در این مقاله، با الهام از موثر بودن شرایط محیطی بر میزان تولید مثل، تعداد تخم هر فاخته با توجه به میزان برازندگی آن تعیین میشود. در واقع این عمل سبب میشود که اطراف جوابهای بهتر برای یافتن جواب سراسری جستجوی بیشتری نسبت به جوابهای ضعیف تر شود. نتایج عددی اعمال الگوریتم خوشه بندی بر روی شش مجموعه داده معیار نشان میدهد که این روش در مقایسه با الگوریتم های دیگر از جمله خوشه بندی CS پایداری بیشتر دارد و کاراتر است.
کلیدواژه ها:
نویسندگان
اسما مهرابیان
دانشجوی کارشناسی ارشد ، گروه مهندسی کامپیوتر ، دانشگاه آزاد اسلامی، واحد کرمان
مریم زنگیوندی
دانشجوی کارشناسی ارشد ، گروه مهندسی کامپیوتر ، دانشگاه آزاد اسلامی، واحد بردسیر
محمد علائی
استادیار ،گروه مهندسی کامپیوتر ، دانشکده فنی و مهندسی ، دانشگاه شهید باهنر کرمان
محمد صادق مهران فر
دانشجوی کارشناسی ارشد ، گروه مکاترونیک ، مجتمع آموزش عالی بم
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 :