کلاسه بندی فازی بهینه دانشجویان با استفاده از یک تابع فازی در حل مسئله برنامه ریزی ژنتیکی دروس هفتگی دانشگاه
- سال انتشار: 1382
- محل انتشار: نهمین کنفرانس سالانه انجمن کامپیوتر ایران
- کد COI اختصاصی: ACCSI09_037
- زبان مقاله: فارسی
- تعداد مشاهده: 2776
نویسندگان
کارشناس ارشد کامپیوتر عضو هیات علمی دانشگاه تربیت معلم سبزوار
دانشجوی دوره دکتری الکترونیک دانشگاه تربیت مدرس
چکیده
تفکیک دانشجویان کلاسهای پرجمعیت ( کلاسه بندی ) یکی از مسائل مهم برنامه ریزی هفتگی دروس دانشگاهی می باشد . در این مقاله الگوریتم جدیدی در تفکیک دانشجویان ارائه شده، که در آن با یک نمایش جدیدِ بیتی داده ها و معیارهای خوشه بندی، جداسازی مناسب دانشجویان انجام گردیده است . این تفکیک باعث کاهش میزان تداخل دروس دانشجویان در برنامة هفتگی می شود . ابتدا با استفاده از خوشه بندیkمیانگین فازی دانشجویان به k - دسته تقسیم می شوند . سپس با توجه به معیارهای میزان دور بودن مر اکز خوشه ها، میزان متراکم بودن هر خوشه، میزان هم ورودی بودن دانشجویان هر خوشه و نسبت ابعاد خوشه ها و با استفاده از یک تابع فازی، ارزش خوشه بندی تعیین می شود . با انتخاب ویژگی های ( دروس ) مناسب، بهترین تفکیک دانشجویان بدست می آید ( بر اساس تابع فازی پیشنهادی و خوشه بندی فازی ). برای نشان دادن کارائی الگوریتم پیشنهادی، برنامه ریزی هفتگی دروس دانشجویان با الگوریتم ژنتیک انجام شده است . با ا ِعمال الگوریتم پیشنهادی، روی مجموعه ای از داده های واقعی، نسبت به فرم خوشه بندی بر اساس سال ورود، تعداد تداخلات درسی بطور متوسط %٨ کاهش یافته است . شیوه جدید ارائه شده می تواند در بسیاری از الگوریتم های مسئله برنامه ریزی دروس هفتگی مورد استفاده قرار گیرد .کلیدواژه ها
خوشه بندی - k میانگین فازی، تابع ارزش فازی، جداسازی دانشجویان، برنامه ریزی دروس، انتخاب ویژگی های مناسب، الگوریتم ژنتیکمقالات مرتبط جدید
- بررسی عددی تاثیر لایه مرزی بر عملکرد انتقال حرارت و افت فشار در مبدل های حرارتی
- Quantitative Insights into G Protein Signaling: A Review of Recent SPR Methodologies and Discoveries
- استفاده از دو الگوریتم رمزنگاری AES و DES در راستای افزایش امنیت اطلاعات در شبکه های حسگر بیسیم
- پیشنهاد الگوریتم های بهینه سازی برای طراحی گراف های پیچیده با استفاده از شبکه های مولد (GAN)
- طراحی و ارزیابی مدل های تحلیلی برای تسریع فرایند های تصمیم گیری در تحلیل داده های بزرگ به کمک تکنیک یادگیری ماشین
اطلاعات بیشتر در مورد COI
COI مخفف عبارت CIVILICA Object Identifier به معنی شناسه سیویلیکا برای اسناد است. COI کدی است که مطابق محل انتشار، به مقالات کنفرانسها و ژورنالهای داخل کشور به هنگام نمایه سازی بر روی پایگاه استنادی سیویلیکا اختصاص می یابد.
کد COI به مفهوم کد ملی اسناد نمایه شده در سیویلیکا است و کدی یکتا و ثابت است و به همین دلیل همواره قابلیت استناد و پیگیری دارد.