K-AFSA یک روش ترکیبی جدید برای خوشه بندی داده ها
محل انتشار: نوزدهمین کنفرانس مهندسی برق ایران
سال انتشار: 1390
نوع سند: مقاله کنفرانسی
زبان: فارسی
مشاهده: 1,539
فایل این مقاله در 6 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:
ICEE19_561
تاریخ نمایه سازی: 14 مرداد 1391
چکیده مقاله:
خوشه بندی داده ها درتشخیص ساختار داده ها و مختصر و ساده سازی حجم زیاد داده های پیچیده به ما کمک می کند این تکنیک معمولی و عمومی درزمینه های زیادی از جمله یادگیری ماشین داده کاوی تحلیل تصاویر و تشخیص الگو به کاررفته است الگوریتم K-means که یکی ازمعروفترین روشهای خوشه بندی است و دربسیاری از کاربردها به کاررفته ازچندین مشکل ازجمله حساسیت به انتخاب های نخستین و همگرایی به بهینه های محلی رنج می برد الگوریتم دسته ماهی های مصنوعی afsa جز الگوریتم های هوش جمعی می باشد از جمله ویژگی های این الگوریتم می توان به سرعت همگرایی بالا و حساس نبودن بهمقادیر اولیه اشاره کرد دراین مقاله یک روش ترکیبی جدید براساس ترکیب الگوریتم K-means و الگوریتم دسته ماهی های مصنوعی که K-AFSA نامیده می شود پیشنهاد شده است این روش جدید از بهینه های محلی به خوبی عبور می کند این الگوریتم در 3 مجموعه داده واقعی wine pima 5iris آزمایش شد و کارایی آن با کاریی روشهای خوشه بندی AFSA K-PSO 5K-means مقایسه شد
کلیدواژه ها:
AFSA K-PSO K-meansوK-AFSA وpso
نویسندگان
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 :