CIVILICA We Respect the Science
ناشر تخصصی کنفرانسهای ایران
عنوان
مقاله

Optimization of C-means clustering algorithm with PSO-GA combined model

اعتبار موردنیاز PDF: ۱ WORD: ۳ | تعداد صفحات: ۷ | تعداد نمایش خلاصه: ۱۰۹ | نظرات: ۰
سال انتشار: ۱۳۹۶
کد COI مقاله: CITCOMP02_474
زبان مقاله: انگلیسی
حجم فایل: ۳۰۱.۱۷ کیلوبایت (فایل این مقاله در ۷ صفحه با فرمت PDF قابل دریافت می باشد)
محتوای کامل این مقاله با فرمت WORD هم قابل دریافت می باشد.

راهنمای دانلود فایل کامل این مقاله

اگر در مجموعه سیویلیکا عضو نیستید، به راحتی می توانید از طریق فرم روبرو اصل این مقاله را خریداری نمایید.
با عضویت در سیویلیکا می توانید اصل مقالات را با حداقل ۳۳ درصد تخفیف (دو سوم قیمت خرید تک مقاله) دریافت نمایید. برای عضویت در سیویلیکا به صفحه ثبت نام مراجعه نمایید. در صورتی که دارای نام کاربری در مجموعه سیویلیکا هستید، ابتدا از قسمت بالای صفحه با نام کاربری خود وارد شده و سپس به این صفحه مراجعه نمایید.
لطفا قبل از اقدام به خرید اینترنتی این مقاله، ابتدا تعداد صفحات مقاله را در بالای این صفحه کنترل نمایید.
برای راهنمایی کاملتر راهنمای سایت را مطالعه کنید.

خرید و دانلود فایل PDF یا WORD مقاله

با استفاده از پرداخت اینترنتی بسیار سریع و ساده می توانید اصل این مقاله را که دارای ۷ صفحه است به صورت فایل PDF و یا WORD در اختیار داشته باشید.
آدرس ایمیل خود را در کادر زیر وارد نمایید:

مشخصات نویسندگان مقاله Optimization of C-means clustering algorithm with PSO-GA combined model

Rasool Taghizadeh - M.Sc. Student, Department Of Computer Engineering, Faculty of Engineering, Besat institute of Higher Education, Kerman, Iran
  Mohammad Alaei - Assistant Professor, Department Of Computer Engineering, Faculty of Engineering, Shahid Bahonar University, Kerman, Iran
  Mostafa Ghazizadeh Ahsaee - Assistant Professor, Department Of Computer Engineering, Faculty of Engineering, Shahid Bahonar University, Kerman, Iran
  Fahimeh Yazdanpanah - Assistant Professor, Department Of Computer Engineering, Faculty of Engineering, Shahid Bahonar University, Kerman, Iran

چکیده مقاله:

Clustering, one of the important operations at the conclusion of data mining on the data is considered as often clustering as the first step of data mining processes is remembered and one of the widely-used methods in the field, classic C-means clustering algorithm which is a basic approaches to many other clustering methods but problems such as being sensitive to the initial value, to trap in local optimum and convergence time, this algorithm still threatens and one of the solutions that have been considered for this issue, converting the clustering problem into an optimization problem and solve it using optimization algorithms and on the other hand, in recent years a new generation of algorithms have been proposed as metaheuristic and the main purpose of applying this algorithms to increase the speed of convergence in solving large-scale problems and avoid falling into the trap of local optimal and achieve global optimal points so in the process of this research, clustering as a combination of C-means algorithm and each of the five proposed algorithm(PSO,ABC,DE,HS,GA) implemented with three sets of data and with regard to the results obtained, a proposed model (combinatorial model PSO-GA) was presented and in the end, it was concluded that the proposed model in order to improve the C-means algorithm while the criteria within cluster distance could be successful in terms of convergence rate is almost two times better than the initial GA and PSO that this is a great advantage in the clustering, especially the clustering massive data sets.

کلیدواژه‌ها:

Optimal model, Clustering, C-means algorithm, Metaheuristic algorithms

کد مقاله/لینک ثابت به این مقاله

برای لینک دهی به این مقاله، می توانید از لینک زیر استفاده نمایید. این لینک همیشه ثابت است و به عنوان سند ثبت مقاله در مرجع سیویلیکا مورد استفاده قرار میگیرد:
https://www.civilica.com/Paper-CITCOMP02-CITCOMP02_474.html
کد COI مقاله: CITCOMP02_474

نحوه استناد به مقاله:

در صورتی که می خواهید در اثر پژوهشی خود به این مقاله ارجاع دهید، به سادگی می توانید از عبارت زیر در بخش منابع و مراجع استفاده نمایید:
Taghizadeh, Rasool; Mohammad Alaei; Mostafa Ghazizadeh Ahsaee & Fahimeh Yazdanpanah, ۱۳۹۶, Optimization of C-means clustering algorithm with PSO-GA combined model, دومین کنفرانس بین المللی پژوهش های دانش بنیان در مهندسی کامپیوتر و فناوری اطلاعات, تهران, دانشگاه مجلسی, https://www.civilica.com/Paper-CITCOMP02-CITCOMP02_474.html

در داخل متن نیز هر جا که به عبارت و یا دستاوردی از این مقاله اشاره شود پس از ذکر مطلب، در داخل پارانتز، مشخصات زیر نوشته می شود.
برای بار اول: (Taghizadeh, Rasool; Mohammad Alaei; Mostafa Ghazizadeh Ahsaee & Fahimeh Yazdanpanah, ۱۳۹۶)
برای بار دوم به بعد: (Taghizadeh; Alaei; Ghazizadeh Ahsaee & Yazdanpanah, ۱۳۹۶)
برای آشنایی کامل با نحوه مرجع نویسی لطفا بخش راهنمای سیویلیکا (مرجع دهی) را ملاحظه نمایید.

مدیریت اطلاعات پژوهشی

اطلاعات استنادی این مقاله را به نرم افزارهای مدیریت اطلاعات علمی و استنادی ارسال نمایید و در تحقیقات خود از آن استفاده نمایید.

مقالات مرتبط جدید

شبکه تبلیغات علمی کشور

به اشتراک گذاری این صفحه

اطلاعات بیشتر درباره COI

COI مخفف عبارت CIVILICA Object Identifier به معنی شناسه سیویلیکا برای اسناد است. COI کدی است که مطابق محل انتشار، به مقالات کنفرانسها و ژورنالهای داخل کشور به هنگام نمایه سازی بر روی پایگاه استنادی سیویلیکا اختصاص می یابد.
کد COI به مفهوم کد ملی اسناد نمایه شده در سیویلیکا است و کدی یکتا و ثابت است و به همین دلیل همواره قابلیت استناد و پیگیری دارد.