مقاله خوشه بندی داده ترکیبی با استفاده از الگوریتم کرم شب تاب بر پایه الگوریتم ژنتیکA Hybrid Data Clustering Using Firefly Algorithm Based Improved Genetic Algorithm

در انبار موجود نمی باشد

مقاله خوشه بندی داده ترکیبی با استفاده از الگوریتم کرم شب تاب بر پایه الگوریتم ژنتیکA Hybrid Data Clustering Using Firefly Algorithm Based Improved Genetic Algorithm

25,000 تومان

ژورنال

ELSEVIER

سال انتشار

2015

صفحات انگلیسی

5 تا 10

صفحات فارسی

5 تا 10

نقد و بررسی

مقاله خوشه بندی داده ترکیبی با استفاده از الگوریتم کرم شب تاب بر پایه الگوریتم ژنتیک

چکیده فارسی :

خوشه بندی بین تکنیک های داده کاوی تا گروه بندی داده ها به زیر مجموعه های برای باز یابی داد ه های مفید از مجموعه داده هاست. خوشه بندی شامل انتخاب مرکز های k خوشه به صورت تصادفی گروه بندی آن داده اطراف آن مرکز است. الگوریتم ژنتیک الگوریتم های هیورستیک که برای مشکلات خوشه بندی برای بهینه سازی کاربردی بودند. الگوریتم های ژنتیک در پی انتخاب طبیعی و کار در شیوه ای تکرار شونده تولید جمعیت جدید از جمعیت قدیمی جمعیت اولیه به طور تصادفی مقدار دهی اولیه می شوند. کل فرآیند تکراری تحت تاثیر مقدار های اولیه انتخاب شده در ابتدا شروع بوده است بنابر این انتخاب مناسب بر روی مسا ئل بهینه سازی تاثیر گذاشته است. در این مقاله ما الگوریتم کرم شب تاب را که بر اساس الگوریتم ژنتیک بنا شده را پیشنهاد داده ایم FAG جمعیت اولیه از یک استخر جمعیت بر پایه الگوریتم های کرم شب تاب انتخاب شده است.الگوریتم های کرم شب تاب الگوریتم زیستی هستند و در مسائل بهینه سازی استفاده می شوند . الگوریتم FAO تعیین برای مجموعه های در دسترس عمومی از مخزن UCI  کاربردی هست نتایج به دست آمده بسیار رضایت بخش و رقابتی به عنوان مقایسه اساس الگوریتم ژنتیک و الگوریتم کرم شب تاب است .

معرفی

خوشه بندی  یک تکنیک یادگیری بدون نظارت برای استفاده در طبقه بندی داده است بسیاری از مسا ئل در نقاط متفاوت مانند داده کاوی فشرده سازی داده و تشخیص الگو با استفاده از تکنیک خوشه بندی حل شده است .خوشه بندی در ابتدا شامل انتخاب اطراف مراکز K خوشه که داده خوشه بندی شده است می باشد مراکز خوشه به صورت تصادفی از روی مجموعه داده انتخاب شده اند انتخاب با دقت مراکز ها می تواند روی نتایج ما اثر بگذارد . الگوریتم های ژنتیک مدل های مجاسباتی که بر اساس مسیر تکاملی بیولوژیکی بنا شده است  می باشد الگوریتم هی ژنتیک تحت دسته بندی های طبیعی الگوریتم های تکاملی و جمعیت ژنتیک بنا شده بر اساس الگوریتم های بهینه سازی متا هیورستیک می باشد الگوریتم ژنتیک ابتدا توسط Johan HOLAND پیشنهاد شده و توسعه پیدا کرد…

چکیده انگلیسی:

Clustering is among the data mining techniques to group the data into subsets to retrieve useful information from the data set. Clustering involves selecting the k-cluster centres randomly and grouping that data around those centres. Genetic algorithms are heuristic algorithms that have been applied to clustering problem for optimization. Genetic algorithms follow the process of natural selection and work in iterative manner, generating new population from the old one. The initial population is randomly initialized. The whole iterative process is influenced by the initial values selected at start. So, the proper selection also affect optimization problem.

In this paper, we have proposed a firefly based genetic algorithm (FAG) where the initial population is selected from a pool of population on the basis of fire-fly algorithms. Fire-fly algorithms are also biologically inspired algorithm and are used to optimization problem. FAG algorithm is then applied to the publically available datasets from UCI repository. The results obtained are very much satisfactory and competitive as compare to the basic genetic and firefly algorithm.

ژورنال

ELSEVIER

سال انتشار

2015

صفحات انگلیسی

5 تا 10

صفحات فارسی

5 تا 10

دیدگاه خود را در باره این کالا بیان کنید افزودن دیدگاه

دیدگاهها

هیچ دیدگاهی برای این محصول نوشته نشده است.

    هیچ پرسش و پاسخی ثبت نشده است.

پرسش خود را درباره این کالا بیان کنید

ثبت پرسش
انصراف ثبت پرسش

محصولات مرتبط