خوشهبندی خودکار با استفاده از الگوریتم استعماری فازی

سال انتشار: 1394
نوع سند: مقاله کنفرانسی
زبان: فارسی
مشاهده: 677

فایل این مقاله در 15 صفحه با فرمت PDF و WORD قابل دریافت می باشد

استخراج به نرم افزارهای پژوهشی:

لینک ثابت به این مقاله:

شناسه ملی سند علمی:

NSOECE01_028

تاریخ نمایه سازی: 1 مهر 1394

چکیده مقاله:

این مقاله یک الگوریتم استعماری فازی شبه دو هدفه که مشکل خوشه بندی داده را در نظر می گیرد، ارائه داده است. بسیاری از روش های خوشه بندی معمولا نیاز به پیش بینی تعداد خوشه ها به عنوان ورودی دارند. این الگوریتم به صورت خودکار می تواند تعداد مناسب خوشه و تقسیم بندی مناسب از یک مجموعه داده را تعیین کند با این حال، بیشتر روش های فازی بر پایه میزان فشردگی و یا جدایی که تنها به اطلاعات مبتنی بر مرکز تکیه کرده است. در سال های اخیر، رهیافت های زیادی برای حل این مسأله با استفاده از روش هایی مانند الگوریتم ژنتیک چند هدفه و الگوریتم ژنتیک دو مرحله ای ارائه شده است که به موفقیت های قابل توجهی دست یافته اند. علی رغم کارهای انجام شده، هنوز تشخیص درست تعداد خوشه ها و هزینه خوشه بندی به نقطه بهینه به عنوان دو چالش مهم در این مساله مطرح هستند. همانطور که در آزمایش نشان داده شده است نتایج تجربی حاصل از اجرای الگوریتم پیشنهادی در مجموعه داده های واقعی بهبود قابل توجهی یافته و برتری روش پیشنهادی نسبت به سایر روش های مرز دانش (روش های مطرح) را نشان می دهد

نویسندگان

جواد حمیدزاده

استادیار، دانشکده مهندسی کامپیوتر و فناوری اطلاعات، دانشگاه صنعتی سجاد، مشهد، ایران

صدف روستایی

دانشجوی کارشناسی ارشد، دانشکده مهندسی کامپیوتر، دانشگاه آزاد اسلامی فردوس

هانیه علی دوست

دانشجوی کارشناسی ارشد، دانشکده مهندسی کامپیوتر، دانشگاه آزاد اسلامی فردوس

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 :
  • H. Izakian, A. Abraham, Fuzzy c-means and fuzzy Swarm for ...
  • G. Garai, B.B. Chaudhuri, A novel genetic algorithm for automatic ...
  • U. Maulik, S.B. S. B andyopadhyay, Genetic algorithm-b ased clustering ...
  • D.-X. Chang, X.-D. Zhang, C.-W. Zheng, A genetic algorithm with ...
  • S. Saha, S. B andyopadhyay, A symmetry based multiobjective clustering ...
  • S. B andyopadhyay, S. Saha, GAPS: a clustering method using ...
  • Sriparna Saha, Sanghamitra B andyopadhyay, A new point symmetry based ...
  • Hong He, YonghongTan, A two-stage genetic algorithmfor automatic clustering, Neuro ...
  • Y.G. Liu, Y. Liu, L.B. Wang, K.F. Chen, A hybrid ...
  • Siripen Wikai suksakul, A multi-objective genetic algorithm with fuzzy c-means ...
  • M.K. Ng, J.C. Wong, Clustering categorical data sets using tabu ...
  • J.C. Bezdek, R. Ehrlich, W. Full, FCM: the fuzzy c-means ...
  • A.K. Jain, Data clustering: 50yearsbeyond k-means, "Pattern Recognition Letters", vol. ...
  • Sriparna Saha, Sanghamitra Bandy opadhyay, A new point symmetry based ...
  • Wenua Dai, Cuizhen Jiao, Research of k-means clustering method based ...
  • Gargari A. and Lucas E, "Imperialist competitive algorithm: an algorithm ...
  • E. Atashp az-Gargari _ C. Lucas, "Imperialist Competitive Algorithm: An ...
  • Chunhui Zhang, Yiming Zhou, Trevor Martin, A Validity Index for ...
  • Sriparna Saha, Sanghamitra B andyopadhyay, A new point symmetry based ...
  • Hesam Izakian a, Ajith Abraham, Fuzzy C-means and fuzzy Swarm ...
  • نمایش کامل مراجع