بهبود الگوریتم خوشه بندی K-means با استفاده از الگوریتم پیشنهادی فاخته توسعه یافته
محل انتشار: هفتمین کنفرانس بین المللی فناوری اطلاعات و دانش
سال انتشار: 1394
نوع سند: مقاله کنفرانسی
زبان: فارسی
مشاهده: 1,928
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:
ICIKT07_092
تاریخ نمایه سازی: 22 مهر 1394
چکیده مقاله:
امروزه، خوشه بندی نقش مهمی را در اغلب زمینه های تحقیقاتی مانند مهندسی، پزشکی، زیست شناسی، داده کاوری و ... ایفا می نماید. یکی از الگوریتم های معروف خوشه بندی، الگوریتم k-means می باشد، این الگوریتم در کنار مزایایی چون سرعت بالا و سهولت پیاده سازی، در دام بهینه محلی قرار گرفته و همواره جواب بهینه مساله را تولید نمی کند. به همین دلیل ما در این مقاله سعی نموده ایم با تعیین مراکز بهینه اولیه خوشه ها برای الگوریتم k-means، با استفاده از الگوریتم پیشنهادی فاخته توسعه یافته، تا درصد بالایی نتایج خوشه بندی را از بهینه محلی خارج نموده و به بهینه سراسری نزدیک نماییم. الگوریتم پیشنهادی، توسعه یافته الگو.ریتم فاخته کلاسیک می باشد که ما در روش پیشنهادی خود، تعدادی از عملگراهای آن را هدفمند و متنوع نموده ایم. بطور نمونه جهت افزایش سرعت همگرایی الگوریتم پیشنهادی، سعی نموده ایم جمعیت اولیه با پراکندگی بیشتر در فضای مساله، با استفاده از توالی آشوب تولید نماییم. همچنین جهت افزایش دقت و سرعت همگرایی الگوریتم، روال تعیین تعداد تخم برای هر فاخته موجود در جمعیت، مبتنی بر میزان شایستگی آن فاخته می باشد، در بهبودی دیگر جهت افزایش پوشش سراسری در فضای مساله، دسته های فاخته ایجاد شده حاصل از مرحله خوشه بندی فاخته ها را با درجه انحراف متفاوت در محیط به سمت فاخته بهینه سراسری مهاجرت خواهیم داد. سپس به منظور اعتبارسنجی، روش پیشنهادی بر روی چندین مجموعه داده استاندارد از سایت UCI مورد ارزیابی قرار گرفته است و نتایج حاصل با الگوریتم های چاله سیاه، الگوریتم مبنتی بر تئوری انبساط- انقباض، الگوریتم جستجوی فاخته (یانگ)، الگوریتم بهینه سازی فاخته (رجبیون) و الگوریتم k-means از لحاظ شاخص های، دقت، سرعت همگرایی و پایداری جواب ها مقایسه شده است. بررسی نتایج نشان می دهد، الگوریتم جدید ما قادر است جواب بهینه نهایی را با دقت، پایداری و سرعت همگرایی بالا در مقایسه با الگوریتم های دیگر تولید نماید.
کلیدواژه ها:
نویسندگان
مریم لشکری
دانشجوی کارشناسی ارشد، نرم افزار کامپیوتر، دانشگاه آزاد فردوسی
سید محمدحسین معطر
استادیار گروه کامپیوتر، دانشگاه آزاد اسلامی واحد مشهد، مشهد، 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 :