خوشه بندی با بکارگیری الگوریتم هوش توده ای
سال انتشار: 1386
نوع سند: مقاله کنفرانسی
زبان: فارسی
مشاهده: 886
فایل این مقاله در 5 صفحه با فرمت PDF قابل دریافت می باشد
- صدور گواهی نمایه سازی
- من نویسنده این مقاله هستم
استخراج به نرم افزارهای پژوهشی:
شناسه ملی سند علمی:
CEIC01_011
تاریخ نمایه سازی: 25 مهر 1390
چکیده مقاله:
الگوریتم های خوشه بندی با کیفیت و سریع داده ها نقش مهمی را در هدایت موثر خلاصه سازی و سازماندهی اطلاعات بازی می کنند مطالعات اخیر نشان میدهد که خوشه بندی بصورت افراز برای خوشه بندی مجموعه داده های بزرگ مناسب ترند با این حال الگوریتم K-means که یکی از پرکاربردترین الگوریتم افراز درخوشه بندی است تنها یک راه حل بهینه محلی را تولید می کند دراین مقاله ما خوشه بندی داده ها را با بکارگیری الگوریتم pso بیان میکنیم برخلاف جستجوی محلی الگوریتم K-means الگوریتم خوشه بندی pso یک جستجوی کلی را در سراسر فضای راه حل شکل می دهد در تجاربی که داشته ایم ما الگوریتم های خوشه بندی hybrid psoو pso ،K-means را روی چهار پایگاه داده متنی متفاوت بکارگرفتیم نتایج نشان میدهد که الگوریتم hybrid pso نتایج خوشه بندی فشرده تری نسبت به الگوریتم K-means تولید می کند.
کلیدواژه ها:
نویسندگان
محمد حیدری
عضو هیئت علمی دانشگاه آزاد اسلامی نراق ایران
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 :