استفاده از الگوریتم فرامکاشفه ای ترکیبی در خوشه بندی

سال انتشار: 1396
نوع سند: مقاله کنفرانسی
زبان: فارسی
مشاهده: 463

فایل این مقاله در 19 صفحه با فرمت PDF قابل دریافت می باشد

این مقاله در بخشهای موضوعی زیر دسته بندی شده است:

استخراج به نرم افزارهای پژوهشی:

لینک ثابت به این مقاله:

شناسه ملی سند علمی:

MERCONF01_092

تاریخ نمایه سازی: 13 مهر 1397

چکیده مقاله:

خوشه بندی یک حوزه پژوهشی چالش برانگیز بوده که جزو مسایل NP محسوب میگردد. یکی از معروفترین و پر کاربردترین الگوریتم های خوشه بندی k-Means می باشد. متاسفانه این الگوریتم وابسته به مقادیر اولیه مراکز خوشه هاست و به همین دلیل همیشه خوشه بندی را بطور کاملا صحیح انجام نمی دهد. یکی از بهترین و پر کاربرد ترین روشها در بین راه حل های ممکن برای رفع عیوب این الگوریتم ، الگوریتم های فراابتکاری و تکاملی می باشد. بر همین اساس ما با بررسی عملکرد این الگوریتم ها و شناخت نقاط قوت و ضعف هر یک ، اقدام به استفاده ترکیبی آنها با مسیله خوشه بندی کرده ایم . یکی از الگوریتم های توسعه داده شده در این تحقیق الگوریتم ترکیبی بهینه سازی ازدحام ذرات (PSO) و الگوریتم جدید آموزش و یادگیری TLBO میباشداین ترکیب باعث بهتر شدن عملکرد الگوریتم گردیده است. به طوریکه در مقایسه با دیگر الگوریتم های موجود، سرعت همگرایی و اجتناب از میل کردن الگوریتم به سمت پاسخ های بهینه محلی به طرز چشمگیری بهبود یافته است.

نویسندگان

فاطمه کوثری

دانشگاه آزاد اسلامی، واحد آباده، باشگاه پژوهشگران جوان و نخبگان، آباده، ایران