مقایسه مدل طبقه بندی کننده DT و مدل خوشه بندی K-means با استفاده از الگوریتم ژنتیک GA

سال انتشار: 1396
نوع سند: مقاله کنفرانسی
زبان: فارسی
مشاهده: 750

فایل این مقاله در 15 صفحه با فرمت PDF قابل دریافت می باشد

این مقاله در بخشهای موضوعی زیر دسته بندی شده است:

استخراج به نرم افزارهای پژوهشی:

لینک ثابت به این مقاله:

شناسه ملی سند علمی:

DMFCONF02_008

تاریخ نمایه سازی: 29 فروردین 1397

چکیده مقاله:

در مطالعه حاضر، نمونه های مختلف برای مقایسه مدل طبقهبندی کننده و مدل خوشه بندی دادهها با استفاده از الگوریتم ژنتیک می پردازیم. اینترنت به عنوان یک کانال بازاریابی جدید در حال گسترش است، بنابراین درک خصوصیات نیازها و توقعات مشتریان آنلاین، یکی از پیش شرط های لازم برای فعال سازی تجارت الکترونیک مشتری محور است. ما یک الگوریتم جدید خوشه بندی را بر اساس الگوریتمهای ژنتیکی ارایه می دهیم تا بازار خرید آنلاین را به طور موثری تقسیم بندی کنیم. همچنین از خوشه بندی ای به نام K-means در الگوریتم ژنتیکی برای مسایل بهینه سازی جهانی NP-complate موثر شناخته شدهاند و می توانند راه حل های نزدیک به بهینه را در زمان معقول ارایه دهند. همچنین اثربخشی طبقه بندی کننده شبکه عصبی در الگوریتم ژنتیک و کاربرد آن در طبقه بندی تصاویر چند طیفی دور از یکدیگر در پیمایش زمینی مورد مطالعه قرار می گیرد، که شامل یک راهبرد الگوریتم ژنتیکی رمزدار واقعی و یک روش مرکب با انتشار وارانه BP است.و در آخر یک مدل طبقه بندی هیبرید با روش مبتنی بر استدلال، یک درخت تصمیم گیری فازی FDT و الگوریتم ژنتیک GA را برای ساخت یک سیستم تصمیم گیری برای طبقه بندی داده ها در برنامه های کاربردی پایگاه داده های مختلف ادغام کرد.

نویسندگان

عطاالله رفیعی باجی گوابر

دانشجو دکترای مهندسی کامپیوتر دانشگاه آزاد لاهیجان

محمدرضا یمقانی

استادیار مهندسی کامپیوتر دانشگاه آزاد لاهیجان