بهبود نتایج خوشه بندی با استفاده از الگوریتم ژنتیک
سال انتشار: 1395
نوع سند: مقاله کنفرانسی
زبان: فارسی
مشاهده: 1,322
فایل این مقاله در 19 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:
NRIME03_068
تاریخ نمایه سازی: 19 خرداد 1396
چکیده مقاله:
خوشه بندی یکی از مهمترین مسایل یادگیری بدون نظارت و همچنین از رایج ترین تکنیک های داده کاوی است، که برایکلاس بندی مجموعه های داده ای به زیرمجموعه های مشخص به کار می رود. الگوریتم k-means ونیز الگوریتم k-median جزو مشهورترین الگوریتم های خوشه بندی با پیاده سازی آسان و عملکرد سریع می باشند. اما حساس بودن بهمراکز خوشه اولیه سبب می شود تنها بتوانند یک پاسخ بهینه محلی تولید کنند. ازشوی دیگر الگوریتم ژنتیک که یکیالگوریتم های تکاملی است، می تواند با انتخاب ویژگی های مناسب به بالاتر بردن کارایی و دقت آن ها منجر شود. بههمین علت با استفاده از الگوریتم ژنتیک بهبود یافته، خوشه بندی بر روی داده های استاندارد IRIS, Glass & Cancer انجام شده است. نتایج پیاده سازی نشان می دهد با تغییر ساختاری در عملگرهای الگوریتم ژنتیک بهبود قابلتوجهی در خوشه بندی بوجود آمد.
کلیدواژه ها:
نویسندگان
عبدالله سپاهی
عضو هیات علمی،گروه مهندسی صنایع، دانشکده فنی مهندسی، دانشگاه ولآیت ایرانشهر
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 :