مروری برترکیب الگوریتم ژنتیک و الگوریتم خوشه بندی k-means جهت بهینه سازی خوشه ها
سال انتشار: 1395
نوع سند: مقاله کنفرانسی
زبان: فارسی
مشاهده: 604
فایل این مقاله در 7 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:
NAECE02_141
تاریخ نمایه سازی: 11 مرداد 1396
چکیده مقاله:
خوشه بندی یکی از مهمترین مسایل یادگیری بدون نظارت و هچنین از رایج ترین تکنیک های داده کاوی است که برای کلاس بندی مجموعه داده های به زیر مجموعه های مشخص به کار میرود الگوریتم k_means نیز یکی از مشهورترین الگوریتم خوشه بندی با پیاده سازی اسان و عملکرد سریع میباشد اما حساس بودن به مراکز خوشه اولیه سبب میشود تنها بتواند یک پاسخ بهینه محلی تولید کند. ژنتیک تکنیک جستجویی در علم رایانه برای یافتن راه حل تقریبی برای بهینه سازی و مسایل جستجو است. الگوریتم ژنتیک نوع خاصی از الگوریتم های تکامل است که از تکنیک های زیست شناسی فراگشتی مانند وراثت و جهش استفاده میکند. این الگوریتم برای اولین بار توسط جان هالند معرفی شد در واقع الگوریتم های ژنتیک از اصول انتخاب طبیعی داروین برای یافتن فرمول بهینه جهت پیشبینی یا تطبیق الگو استفاده میکنندکه با ترکیب روش خوشه بندی k-means با الگوریتم ژنتیک و بهینه سازی گروهی ذرات دقت خوشه بندی را بهبود ببخشد و از افتادن در دام بهینه محلی جلو گیری نمایید
کلیدواژه ها:
نویسندگان
محمد مصور
دانشگاه آزاد خوراسگان
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 :