بهبود خوشه بندی خودبهینه با استفاده از تئوری فازی و الگوریتم بهینه سازی ازدحام ذرات

سال انتشار: 1394
نوع سند: مقاله کنفرانسی
زبان: فارسی
مشاهده: 640

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:

ICEEE07_053

تاریخ نمایه سازی: 19 اردیبهشت 1395

چکیده مقاله:

روش خوشه بندی خودبهینه SOC از جمله روش های معروف خوشه بندی است که فاکتور بهینه سازی آن در تابع آستانه ای از طری روش درونیاب محاسبه می شود و در پیدا کردن خوشه هایی با کیفیت بالاتر مورر می باشد. الگوریتم بهینه سازی ازدحام ذرات PSO یک الگوریتم بهینه سازی سراسری است که در بسیاری از مسائل بهینه سازی استفاده می شود. ای مقاله، به کار بردن تئوری فازی را در روش خوشه بندی خودبهینه Fuzzy SOC پیشنهاد می کند و با ترکیب خوشه بندی خودبهینه فازی FSOC با روش الگوریتم بهینه سازی ازدحام ذرات PSO از مزیت های هر دو الگوریتم استفاده می کند. با توجه به نتایج شبیه سازی با مقایسه و ارزیابی کارآیی روش پیشنهادی با روشهای معروف خوشه بندی از قبیل K-Means ، K-Mediod ، FCM ، EM ، MMC ، IMC و SOC با شاخص های مختلف اعتبارسنجی نشان می دهند روش پیشنهادی خوشه بندی دقیق تری نسبت به روش های خوشه بندی دیگر انجام می دهد.

نویسندگان

مرضیه نمازی

گروه کامپیوتر، دانشگاه آزاد اسلامی واحد فردوس فردوس، ایران

جواد حمیدزاده

دانشکده مهندسی کامپیوتر و فناوری اطلاعات، دانشگاه صنعتی سجاد مشهد، 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 :
  • تعداد خوشه‌های بهینه=4 imp lementation", IEEE Trans. Patterm Ana. Mach. ...
  • Nishchal K. Verma, Abhishek Roy., "Self-Optimal Clustering Technique Using Optimized ...
  • G. Gan, C. Ma, J. Wu., "Data Clustering: Theory, Algorithms, ...
  • Eric Chen-Kuo Taso, James C.Bezdek, and Nikhal R.Pal., "Fuzzy Kohonen ...
  • Tran D and Wagner M., "Fuzzy Entropy Clustering", 9th Intermational ...
  • Dzung L.Pham., "Spatial Models For Fuzzy Clustering", Computer Vision And ...
  • Kanungo Tapas, Mount D.M, Netanyahu N.S, and Piatko C.D., ;An ...
  • Keh-Shih Chuang, Hong-Long Tzeng, Jay Wu, and Tzong-Jer Chen., "Fuzzy ...
  • Sean Borman., _ Expectation Maximization Algorithm A short tutorial", 2006. ...
  • Nishchal K. Verma, Abhishek Roy and Shantaram Vasikarla., "Medical Image ...
  • Nishchal K. Verma and M Hanmandlu, "Color segmentation via improved ...
  • N. K. Verma, A. Roy, and S. Gupta, "Color segmentation ...
  • N. K. Verma, P. Gupta, P. Agarwal, M. Hanmandlu, S. ...
  • N. K. Verma, A. Roy, and Y. Cui., "Improved mountain ...
  • N. Bolshakova and F. Azuaje., "Clustering validation techniques for genome ...
  • Miin-Shen Yang and Kuo-Lung Wu., _ modified mountain clustering algorithm", ...
  • Siripen Wikaisuksakul., _ multi-objective genetic algorithm with fuzzy c-means for ...
  • E.R. Hruschka, R.J.G.B. Campello, A.A. Freitas, P. Leon, "A survey ...
  • _ _ _ _ the _ _ _ J. Comput. ...
  • A. M. Bensaid, L. O. Hall, J. C. Bezdek, L. ...
  • J. C. Dunn, _ separated clusters and optimal fuzzy partitions, ...
  • نمایش کامل مراجع