ارائه یک الگوریتم خوشه بندی جدید به روش ژنتیک

سال انتشار: 1389
نوع سند: مقاله کنفرانسی
زبان: فارسی
مشاهده: 2,501

فایل این مقاله در 6 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:

NCSCIT01_101

تاریخ نمایه سازی: 19 بهمن 1390

چکیده مقاله:

الگوریتم های ژنتیک در سالهای اخیر به عنوان یکی از روشهایی با توانایی بالا در حل مسائل بهینه سازی شناخته شده است.خوشه بندی داده ها یکی از مسائل مهم در حوزه مسائل بهینه سازی محسوب می شود.در فرآیند خوشه بندی ، هدف دریافت مجموعه ای از داده ها و تقسیم آنها به گروه یا خوشه های مختلف است.خوشه بندی یکی از وظایف داده کاوی است.هدف از داده کاوی استخراج دانش از میان مجموعه ای داده ها ست .داده کاوی با استفاده از خوشه بندی می تواند با تقسیم بندی داده ها ، داده ها را تفسیر کرده و روابط پنهان بین آنها را کشف نماید.در این مقاله یک الگوریتم جدید برای خوشه بندی مجموعه بزرگی از داده ها بر مبنای الگوریتم ژنتیک ، پیشنهاد شده است. نتایج اجرای الگوریتم پیشنهادی در مجموعه ای از داده های واقعی نشان می دهد که این الگوریتم نسبت به الگوریتم های دیگر از عملکرد بهتری برخوردار است .همچنین عملکرد این الگوریتم در مورد مجموعه ای بزرگتر از داده های مصنوعی نیز بررسی شده است که نتایج حاصله نشان می دهد که این الگوریتم از نظر مدت زمان اجرا و همچنین کیفیت خوشه ها ، از دیگر الگوریتم ها عملکرد بهتری دارد.

کلیدواژه ها:

خوشه بندی ، الگوریتم ژنتیک ه داده کاوی

نویسندگان

کیوان آذریون

عضو هیات علمی گروه کامپیوتر - دانشگاه آزاد اسلامی واحد ماهشهر

بابک فخار

عضو هیات علمی گروه کامپیوتر - دانشگاه آزاد اسلامی واحد ماهشهر

علی دقایقی

مدیریت فناوری اطلاعات و ارتباطات شرکت ملی حفاری ایران

کیمیا اندیشمند

عضو هیات علمی گروه کامپیوتر - دانشگاه آزاد اسلامی واحد ماهشهر

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 :
  • P. J. Angeline, Adaptive and Self-adaptive EvolutioaryC omputations, Computational Intelligence: ...
  • Demiriz, K. P. Bennett, and M. J. Embrecht. Semi- supervised ...
  • Algorithms. R.P.I.Math Report No. 9901, Rensselaer Polytechnic Institute, 1999. ...
  • W. DuMouchel, C. Volinsky, T. Johnson, C. Cortes, and D.Pregibon. ...
  • v. Estivill-Castro and A.T. Murray, Spatial Clustering forData Mining with ...
  • Proceedings of th eInternationt ICSC Symposium on Engineering of In ...
  • L. O Hall, I. B. Ozyurt, , J. C. Bezdek, ...
  • C.-Y. Lee and E. K.Antonsson, Dynamic Partitional Clustering Using Evolution ...
  • M. Mitchell, An Introduction to Genetic Algorithms, MITPress, 1998. ...
  • J.Wang, X.Zhang, and H.Zhou. A Genetic K-Means Algorithm for Spatial ...
  • نمایش کامل مراجع