ورود
مقالات فارسیISIکنفرانسهاژورنالها

An Archive-based Steady-State Fuzzy Differential Evolutionary Algorithm for Data Clustering (ASFDEaDC)

محل انتشار: فصلنامه مدیریت فناوری اطلاعات، دوره: 13، شماره: 5
سال انتشار: 1400
نوع سند: مقاله ژورنالی
زبان: انگلیسی
مشاهده: 122

فایل این مقاله در 14 صفحه با فرمت PDF قابل دریافت می باشد

استخراج به نرم افزارهای پژوهشی:

لینک ثابت به این مقاله:
https://civilica.com/doc/1399597

شناسه ملی سند علمی:

JR_JITM-13-5_005

تاریخ نمایه سازی: 25 بهمن 1400

چکیده مقاله:

In the current paper, we have assimilated fuzzy techniques and optimization techniques, namely differential evolution, to put forward a modern archive-based fuzzy evolutionary algorithm for multi-objective optimization using clustering. The current work account for the application of a cluster associated approach. Specific quantitative cluster validity measures, i.e., J-measure and Xie-Beni, have been referenced to carry out the appropriate partitioning. The proposed algorithm introduces a new form of strategy which attempts to benefit the feasible search domain of the algorithm by minimizing the analysis and exploration of less beneficial search scope. This clustering method yields a group of trade-off solutions on the ultimate optimal pare to front. Eventually, these solutions are united and maintained in an archive for further evaluation. The current work summarizes and organizes an archive concerned with excellent and diversified solutions in an effort to outline comprehensive non-dominated solutions. The degree of efficiency is revealed with respect to partitioning on gene expression and real-life datasets. The proposed algorithm seeks to reduce the function assessment analysis and maintains a very small working population size. The effectiveness of the proposed method is presented in comparison with some state-of-art methods.

کلیدواژه ها:

Multi-objective optimization ، Clustering ، Differential Evolution ، Evolutionary algorithm ، Euclidean based distance ، Gene expression data

نویسندگان

Praveen

Department of Computer Science, National Institute of Technology, Mizoram, Aizawl, India.

D

Department of Computer Science, Vignan’s Institution of Information, Vishakhapatnam, India.

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 :
  • Alizadeh, A. A., Eisen, M. B., Davis, R. E., Ma, ...
  • Alaei, H. K., Salahshoor, K., &Alaei, H. K. (۲۰۱۳). A ...
  • Agustı, L. E., Salcedo-Sanz, S., Jiménez-Fernández, S., Carro-Calvo, L., Del ...
  • Alon, U., Barkai, N., Notterman, D. A., Gish, K., Ybarra, ...
  • Bezdek, J. (۱۹۸۱). Pattern Recognition with Fuzzy Objective Algorithms Plenum ...
  • Bandyopadhyay, S., &Maulik, U. (۲۰۰۲). Genetic clustering for automatic evolution ...
  • Bandyopadhyay, S. (۲۰۰۵). Simulated annealing using a reversible jump Markov ...
  • Chu, S., DeRisi, J., Eisen, M., Mulholland, J., Botstein, D., ...
  • Das, S., Konar, A., &Chakraborty, U. K. (۲۰۰۵, June). Two ...
  • Deb, K., & Agrawal, R. B. (۱۹۹۵). Simulated binary crossover ...
  • Deb, K., & Tiwari, S. (۲۰۰۸). Omni-optimizer: A generic evolutionary ...
  • Deb, K., Pratap, A., Agarwal, S., &Meyarivan, T. A. M. ...
  • De Souto, M. C., Costa, I. G., de Araujo, D. ...
  • Ester, M., Kriegel, H. P., Sander, J., &Xu, X. (۱۹۹۶, ...
  • Horta, D., De Andrade, I. C., &Campello, R. J. (۲۰۱۱). ...
  • Iyer, V. R., Eisen, M. B., Ross, D. T., Schuler, ...
  • Jain, A. K., Murty, M. N., & Flynn, P. J. ...
  • Kriegel, H. P., Kröger, P., Sander, J., &Zimek, A. (۲۰۱۱). ...
  • Kruglyak, S., &Yooseph, S. (۱۹۹۹). Exploring expression data: identification and ...
  • Liu, Y., Wu, X., &Shen, Y. (۲۰۱۱). Automatic clustering using ...
  • Mezura-Montes, E., &Coello, C. A. C. (۲۰۱۱). Constraint-handling in nature-inspired ...
  • Maulik, U., &Bandyopadhyay, S. (۲۰۰۳). Fuzzy partitioning using a real-coded ...
  • Noorbehbahani, F., Mousavi, S. R., &Mirzaei, A. (۲۰۱۵). An incremental ...
  • Ni, Q., Pan, Q., Du, H., Cao, C., &Zhai, Y. ...
  • Pal, N. R., &Bezdek, J. C. (۱۹۹۵). On cluster validity ...
  • Rousseeuw, P. J. (۱۹۸۷). Silhouettes: a graphical aid to the ...
  • Rezaee, M. R., Lelieveldt, B. P., &Reiber, J. H. (۱۹۹۸). ...
  • Ravi, V., Aggarwal, N., & Chauhan, N. (۲۰۱۰, December). Differential ...
  • Sheng, W., Swift, S., Zhang, L., & Liu, X. (۲۰۰۵). ...
  • Saha, I., Plewczynski, D., Maulik, U., &Bandyopadhyay, S. (۲۰۱۲). Improved ...
  • Saha, S., &Bandyopadhyay, S. (۲۰۰۹). A new point symmetry based ...
  • Saha, S., Ekbal, A., Gupta, K., &Bandyopadhyay, S. (۲۰۱۳). Gene ...
  • Saha, S., Das, R., &Pakray, P. (۲۰۱۸). Aggregation of multi-objective ...
  • Tou, J. T., & Gonzalez, R. C. (۱۹۷۴). Pattern recognition ...
  • Tvrdik, J., &Křivý, I. (۲۰۱۵). Hybrid differential evolution algorithm for ...
  • Tamayo, P., Slonim, D., Mesirov, J., Zhu, Q., Kitareewan, S., ...
  • Xie, X. L., &Beni, G. (۱۹۹۱). A validity measure for ...
  • Yang, X. S., & Deb, S. (۲۰۱۴). Cuckoo search: recent ...
  • Yue, S., Wang, J., Wang, J., &Bao, X. (۲۰۱۶). A ...
  • Wen, X., Fuhrman, S., Michaels, G. S., Carr, D. B., ...
    • نمایش کامل مراجع