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

سال انتشار: 1395
نوع سند: مقاله کنفرانسی
زبان: فارسی
مشاهده: 989

فایل این مقاله در 6 صفحه با فرمت PDF قابل دریافت می باشد

استخراج به نرم افزارهای پژوهشی:

لینک ثابت به این مقاله:

شناسه ملی سند علمی:

IRANOPEN06_007

تاریخ نمایه سازی: 22 آبان 1395

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.

نویسندگان

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

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: ...
  • نمایش کامل مراجع