تلفیق الگوریتم خوشه بندی K-means و الگوریتم SFLA جهت خوشه بندی داده ها
محل انتشار: سومین کنگره بین المللی کامپیوتر، برق و مخابرات
سال انتشار: 1395
نوع سند: مقاله کنفرانسی
زبان: فارسی
مشاهده: 431
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:
ITCC03_326
تاریخ نمایه سازی: 6 اردیبهشت 1396
چکیده مقاله:
خوشه بندی داده ها یک راهکار موثر در تحلیل داده ها و داده کاوی است. الگوریتم k-means یکی از روش های رایجخوشه بندی می باشد که بدلیل پیاده سازی آسان و عملکرد مناسب به طورگسترده ای به کار می رود اما مشکلاتی از جمله حساسبودن به مقادیر اولیه و گرفتار شدن در بهینه محلی از قدرت عملکرد آن می کاهد. در این مقاله جهت غلبه بر مشکلات ذکرشده روشی ترکیبی مبتنی بر الگوریتم جهش قورباغه و الگوریتم k-means ارایه شده است. نتایج بدست آمده حاکی از عملکرد بهتر این روش در امر خوشه بندی نسبت به الگوریتم های مورد مقایسه می باشد.
کلیدواژه ها:
نویسندگان
حمیده جشن
دانشجو کارشناسی ارشد، دانشگاه آزاد اسلامی، واحد اهواز
ماشاالله عباسی دزفولی
استادیار، دانشگاه آزاد اسلامی، واحد اهواز
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 :