ارائه الگوریتم خوشه بندی جدید به منظور بهره وری در عملیات داده کاوی (مطالعه داده های استاندارد یوسی آی)
محل انتشار: فصلنامه مدیریت بهره وری، دوره: 15، شماره: 3
سال انتشار: 1400
نوع سند: مقاله ژورنالی
زبان: فارسی
مشاهده: 95
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:
JR_JPMI-15-3_006
تاریخ نمایه سازی: 25 دی 1400
چکیده مقاله:
روش های خوشه بندی و بهره وری آنها در عملیات داده کاوی توسعه زیادی یافته اند. نیاز مدیران به داده های دسته بندی شده و بهره وری روش های خوشه بندی در امر مدیریت و تصمیم گیری، به گسترش روش های داده کاوی ضرورت بخشیده است. الگوریتم بهینه سازی نهنگ روش عمومی است که در حل مسائل متعددی کاربرد دارد. در این الگوریتم جواب های آغازین به صورت تصادفی انتخاب می شوند. الگوریتم کی-میانگین یک روش خوشه بندی پرکاربرد است که به دلیل سادگی و کوتاه بودن مراحل، بسیار موردتوجه محققان قرار می گیرد. در این مقاله این مزیت الگوریتم کی- میانگین را برای افزایش توانایی الگوریتم بهینه سازی نهنگ در خوشه بندی داده ها به کاررفته است. الگوریتم پیشنهادی ترکیبی از الگوریتم های کی-میانگین و خوشه بندی نهنگ است. در این پژوهش الگوریتم جدید و چند الگوریتم خوشه بندی دیگر را بر روی مجموعه داده های واقعی و شناخته شده اجرا شده است. نتایج عددی نشان می دهد که الگوریتم جدید ازنظر کیفیت جواب ها و انحراف استاندارد مقادیر جواب های نهایی، نتایج مطلوبی نشان می دهد.
نویسندگان
ژیلا نصیری روشتی
استادیارگروه ریاضی، واحد تبریز، دانشگاه آزاد اسلامی، تبریز،ایران
فرزین مدرس خیابانی
دانشیارگروه ریاضی، واحد تبریز، دانشگاه آزاد اسلامی، تبریز، ایران
نیما آذر میر شتربانی
استادیارگروه ریاضی ، واحد تبریز، دانشگاه آزاد اسلامی، تبریز،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 :