ارائه مدلی جهت بهبود الگوریتم خوشه بندی K-Means بر پایه الگوریتم های ژنتیک
محل انتشار: سومین کنفرانس داده کاوی
سال انتشار: 1388
نوع سند: مقاله کنفرانسی
زبان: فارسی
مشاهده: 5,644
فایل این مقاله در 8 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:
IDMC03_112
تاریخ نمایه سازی: 13 دی 1389
چکیده مقاله:
خوشه بندی داده ها به کلاس ها و یا دسته های متناسب یکی از مباحث مهم و مطرح در تشخیص الگو می باشد آنچه که در خوشهبندی حائز اهمیت است انجام این کار به گونه ای است که داده هایی که درست کلاس بندی نشده اند به حداقل برسند و یا به عبارت دیگر در هر کلاس داده هایی قرار بگیرند که حداکثر نزدیکی و مشابهت را به یکدیگر داشته باشند. در این مقاله، ابتدا یکی از روش های پایه در خوشه بندی به نامK-Means Clustering شرح داده شده است و سپس به کمک الگوریتم های ژنتیک، مدل پیشنهادی جدیدی که آن را GA-Clustering نامگذاری کرده ایم ، برای بهبود روش K-Means معرفی گردیده است. در پایان، روش مزبور بر روی مجموعه ای از داده های شناخته شده، تست شده است. نتایج نشان می دهد روش پیشنهادی به میزان قابل توجهی داده ها را بهتر از الگوریتم سنتی خوشه بندیK-Means دسته بندی می کند.
کلیدواژه ها:
تشخیص الگو ، خوشه بندی K-Means الگوریتم ژنتیک
نویسندگان
روح اله مقصودی
کارشناسی ارشد هوش ماشین و روباتیک، دانشگاه آزاد اسلامی واحد علوم و تحق
نیما فصیحی
کارشناسی ارشد هوش ماشین و روباتیک، دانشگاه آزاد اسلامی واحد علوم و تحق
محمد تشنه لب
دانشیار دانشکده برق دانشگاه صنعتی خواجه نصیرالدین طوسی، سید خندان