خوشه بندی خودکار داده ها با بهره گیری از الگوریتم رقابت استعماری بهبودیافته
نویسنده:
چکیده:
الگوریتم رقابت استعماری (ICA)، یکی از کاراترین الگوریتم های فرا ابتکاری برای پیدا کردن جواب بهینه سراسری در مسائل بهینه سازی می باشد. در این مقاله از الگوریتم رقابت استعماری برای خوشه بندی خودکار مجموعه داده های بزرگ و واقعی بدون برچسب استفاده شده است. با بهره گیری از ساختار مناسب برای هر یک از کروموزم ها و استفاده از الگوریتم رقابت استعماری، در زمان اجرا تعداد بهینه خوشه ها هم زمان با خوشه بندی بهینه داده ها به دست می آید. همچنین برای افزایش دقت و افزایش سرعت همگرایی، ساختار الگوریتم رقابت استعماری با تغییراتی همراه است. روش پیشنهادی (ACICA) نیاز به هیچ گونه دانش قبلی برای خوشه بندی داده ها ندارد. علاوه بر آن روش پیشنهادی در مقایسه با سایر روش های خوشه بندی مبتنی بر الگوریتم های تکاملی، دقت بیشتری را دارد. از معیارهای ارزیابی خوشه بندی DB و CS به عنوان تابع هدف استفاده شده است. برای نشان دادن برتری روش پیشنهادی، میانگین مقدار بهینه تابع هدف و تعداد خوشه های تعیین شده توسط روش پیشنهادی با سه الگوریتم خوشه بندی خودکار مبتنی بر الگوریتم های تکاملی مقایسه می شود.
کلیدواژگان:
زبان:
فارسی
صفحات:
159 تا 169
لینک کوتاه:
magiran.com/p1761797
دانلود و مطالعه متن این مقاله با یکی از روشهای زیر امکان پذیر است:
اشتراک شخصی
با عضویت و پرداخت آنلاین حق اشتراک یکساله به مبلغ 1,390,000ريال میتوانید 70 عنوان مطلب دانلود کنید!
اشتراک سازمانی
به کتابخانه دانشگاه یا محل کار خود پیشنهاد کنید تا اشتراک سازمانی این پایگاه را برای دسترسی نامحدود همه کاربران به متن مطالب تهیه نمایند!
توجه!
- حق عضویت دریافتی صرف حمایت از نشریات عضو و نگهداری، تکمیل و توسعه مگیران میشود.
- پرداخت حق اشتراک و دانلود مقالات اجازه بازنشر آن در سایر رسانههای چاپی و دیجیتال را به کاربر نمیدهد.
In order to view content subscription is required
Personal subscription
Subscribe magiran.com for 70 € euros via PayPal and download 70 articles during a year.
Organization subscription
Please contact us to subscribe your university or library for unlimited access!