ناشر تخصصی کنفرانس های ایران

لطفا کمی صبر نمایید

Publisher of Iranian Journals and Conference Proceedings

Please waite ..
ناشر تخصصی کنفرانسهای ایران
ورود |عضویت رایگان |راهنمای سایت |عضویت کتابخانه ها
عنوان
مقاله

استفاده از الگوریتم جهش قورباغه ی بهبود یافته درخوشه بندی داده ها

سال انتشار: 1395
کد COI مقاله: IRANOPEN06_007
زبان مقاله: فارسیمشاهده این مقاله: 602
فایل این مقاله در 6 صفحه با فرمت PDF قابل دریافت می باشد

خرید و دانلود فایل مقاله

با استفاده از پرداخت اینترنتی بسیار سریع و ساده می توانید اصل این مقاله را که دارای 6 صفحه است به صورت فایل PDF در اختیار داشته باشید.
آدرس ایمیل خود را در کادر زیر وارد نمایید:

مشخصات نویسندگان مقاله استفاده از الگوریتم جهش قورباغه ی بهبود یافته درخوشه بندی داده ها

صحیفه پور رمضانی کلاشمی - دانشگاه آزاد اسلامی، واحد مشهد، دانشکده فنی و مهندسی، گروه هوش مصنوعی
سید جواد سید مهدوی چابک - دانشگاه آزاد اسلامی، واحد مشهد، دانشکده فنی و مهندسی، گروه هوش مصنوعی

چکیده مقاله:

خوشه بندی یکی از تکنیک های معروف در زمینه ی داده کاوی می باشد که در آن داده های با خواص مشابه درون مجموعه ای از دسته ها قرار می گیرند. الگوریتم k-means از ساده ترین الگوریتم های خوشه بندی است که دارای معایب حساس شدن به مقادیر اولیه خوشه ها و همگرا شدن به بهینه ی محلی می باشد. در سالهای اخیر الگوریتم های مختلفی بر پایه الگوریتم های تکاملی برای خوشه بندی ارائه شده است اما متأسفانه رفتارهای نا امید کننده ای از خود نشان داده اند. در این مقاله نوعی از الگوریتم جهش قروباغه ی بهبود یافته (LSFLA)، برای خوشه بندی ارائه شده است که در آ« از مفهوم ترکیب و آشوب برای بالا بردن دقت عملکرد الگوریتم استفاده شده است. همچنین به دلیل استفاده از مفهوم آنتروپی در تابع برازندگی توانسته ایم کارایی این الگوریتم رابرای خوشه بندی بالا ببریم. برای انجام آزمایش از چهار مجموعه داده واقعی استفاده شده است که با الگوریتم های CPSO، PSO، GA، K-menas مورد مقایسه قرار گرفته است. نتایج بدست آمده حاکی از عملکرد بهتر این روش در امر خوشه بندی می باشد.

کلیدواژه ها:

کد مقاله/لینک ثابت به این مقاله

کد یکتای اختصاصی (COI) این مقاله در پایگاه سیویلیکا IRANOPEN06_007 میباشد و برای لینک دهی به این مقاله می توانید از لینک زیر استفاده نمایید. این لینک همیشه ثابت است و به عنوان سند ثبت مقاله در مرجع سیویلیکا مورد استفاده قرار میگیرد:

https://civilica.com/doc/527016/

نحوه استناد به مقاله:

در صورتی که می خواهید در اثر پژوهشی خود به این مقاله ارجاع دهید، به سادگی می توانید از عبارت زیر در بخش منابع و مراجع استفاده نمایید:
پور رمضانی کلاشمی، صحیفه و سید مهدوی چابک، سید جواد،1395،استفاده از الگوریتم جهش قورباغه ی بهبود یافته درخوشه بندی داده ها،ششمین کنفرانس هوش مصنوعی و رباتیک و هشتمین سمپوزیوم بین المللی،قزوین،https://civilica.com/doc/527016

در داخل متن نیز هر جا که به عبارت و یا دستاوردی از این مقاله اشاره شود پس از ذکر مطلب، در داخل پارانتز، مشخصات زیر نوشته می شود.
برای بار اول: (1395، پور رمضانی کلاشمی، صحیفه؛ سید جواد سید مهدوی چابک)
برای بار دوم به بعد: (1395، پور رمضانی کلاشمی؛ سید مهدوی چابک)
برای آشنایی کامل با نحوه مرجع نویسی لطفا بخش راهنمای سیویلیکا (مرجع دهی) را ملاحظه نمایید.

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 :

  • سمیه پوررجب، سید جواد سید مهدوی چابک، گلاره ویسی، "بهبود ...
  • with tabu-search method ", Applied Mathematical Modelling, vol. 32, pp. ...
  • K. L. a. F. P. MUZAFFAR EUSUFF, "Shuffled frog-leaping algorithm: ...
  • مدیریت اطلاعات پژوهشی

    صدور گواهی نمایه سازی | گزارش اشکال مقاله | من نویسنده این مقاله هستم

    اطلاعات استنادی این مقاله را به نرم افزارهای مدیریت اطلاعات علمی و استنادی ارسال نمایید و در تحقیقات خود از آن استفاده نمایید.

    علم سنجی و رتبه بندی مقاله

    مشخصات مرکز تولید کننده این مقاله به صورت زیر است:
    نوع مرکز: دانشگاه آزاد
    تعداد مقالات: 9,629
    در بخش علم سنجی پایگاه سیویلیکا می توانید رتبه بندی علمی مراکز دانشگاهی و پژوهشی کشور را بر اساس آمار مقالات نمایه شده مشاهده نمایید.

    مقالات پیشنهادی مرتبط

    مقالات مرتبط جدید

    به اشتراک گذاری این صفحه

    اطلاعات بیشتر درباره 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.

    پشتیبانی