الگوریتم خوشه بندی ترکیبی فرااکتشافی با استفاده از کلونی زنبور عسل و بهینه سازی توده ذرات
سال انتشار: 1392
نوع سند: مقاله کنفرانسی
زبان: فارسی
مشاهده: 1,483
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:
EIAICC02_012
تاریخ نمایه سازی: 22 فروردین 1393
چکیده مقاله:
داده کاوی شامل تکنیک های مختلفی است که یکی از مهمترین آنها، خوشه بندی اطلاعات می باشد. خوشه بندی یکی از مسائل مهم درزمینه یادگیری ماشین، داده کاوی و الگو شناسی است. در واقع خوشه بندی داده ها را به دسته هایی که از نظر پارامترهای مورد علاقه، شباهت بیشتری به یکدیگر دارند، تقسیم می گردند. الگوریتمK-meansیکی از روش های رایج خوشه بندی می باشد که علیرغم مزایای بسیار از جمله سرعت بالا در دام بهینه محلی قرار گرفته و همیشه جواب بهینه مسئله را تولید نمی نماید. در این مقاله سعی شده است که یک الگوریتم جدید)HABC-PSO(برای بهبود خوشه بندی داده ها با استفاده از روش فرا ابتکاریPSO و ABCپیاده سازی شود. در اینجا الگوریتم پایه ما برای بهبود همان الگوریتمK-meansاست. الگوریتم کلونی زنبورABC(از جمله رویکردهای فرا اکتشافی مبتنی بر جمعیت می باشد. الگوریتمHABC-PSOبا مجموعه داده های مختلف تست و نتایج آن با الگوریتم هایK-means و PSO ،ABCمقایسه شده است. نتایج شبیه سازی نشان می دهد که الگوریتم جدید قادر است با دقت بالایی جواب بهینه را تولید نماید
کلیدواژه ها:
نویسندگان
حبیب غفارزاده
دانشگاه آزاد اسلامی واحد شبستر
عسگر علی بویر
دانشگاه شهید مدنی آذربایجان، دانشکده فناوری ا لاعات و مهندسی کامپیوتر
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 :