بهینه سازی یک الگوریتم خوشه بندی با کمک اتوماتای یادگیر سلولی
سال انتشار: 1395
نوع سند: مقاله کنفرانسی
زبان: فارسی
مشاهده: 545
فایل این مقاله در 18 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:
NPECE01_189
تاریخ نمایه سازی: 6 بهمن 1395
چکیده مقاله:
امروزه حجم وسیعی از اطلاعات مواجه هستیم که باید آن ها را ذخیره سازی یا نمایش دهیم یکی از روش های مهم و ضروری در کنترل و مدیریت این داده ها خوشه بندی یا گروه بندی داده ها با ویژگی های مشابه درون مجموعه ای از دسته ها یا خوشه ها است خوشه بندی داده ها از جمله روش های بدون ناظر هستند که ظیفه کاش الگوهای پنهان در داده های بدون برچسب را بر عهده دارد الگوریتم های خوشه بندی بر مجموعه ای از الگوها اعمال می شوند ال الگوهای ورودی را به چندین خوشه گروه تقسیم کنند به نحوی که الگوهایی که درون یک خوشه قرار داده می شوند با یکدیگر شبیه و با اعضای خوشه های دیگر متفاوت باشند به عبارت دیگر خوشه بندی مطلوب خوشه بندی است که واریانس درونی خوشه ها در آن حداقل و واریانس بین خوشه ها در آن حداکثر می باشد به خاطر پییدگی پارامترهای متعدد مسئله و ضعف روش های خوشه بندی امروزه بیشتر تحقیقات به سمت روش های خوشه بندی تکاملی پیشرفته است ولی مشکل اصلی روش های تکاملی زمان بر بودن این روش ها در همگرایی به جواب نهایی و امکان گیر کردن جواب ها در نقاط بهینه محلی است
کلیدواژه ها:
نویسندگان
هومن قوامی
دانشجوی کارشناسی ارشد مهندسی کامپیوتر هوش مصنوعی دانشگاه آزاد اسلامی کرمان ایران
حمید میروزیری
هیات علمی بخش مهندسی کامپیوتر دانشگاه شهید باهنر و آزاد کرمان 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 :