• یک روش ترکیبی کارا برای مسائل خوشه بندی براساس الگوریتم ژنتیک گروه بند و k-mean

    جزئیات بیشتر مقاله
    • تاریخ ارائه: 1392/07/24
    • تاریخ انتشار در تی پی بین: 1392/07/24
    • تعداد بازدید: 1882
    • تعداد پرسش و پاسخ ها: 0
    • شماره تماس دبیرخانه رویداد: -
    خوشه بندی یکی از مهمترین روش های یادگیری بدون ناظر در زمینه داده کاوی و شامل گروه بندی داده ها به گروه های گسسته از خوشه ها می باشد. در این مقاله از ایده ای جدید که با ترکیب دو الگوریتم k-mean و الگوریتم ژنتیک دسته بند به دست آمده، استفاده می گردد. الگوریتم k-mean یکی از مشهورترین و رایج ترین الگوریتم های خوشه بندی است و الگوریتم ژنتیک دسته بند، الگوریتم جدیدی است که از الگوریتم ژنتیک سنتی مخصوص مسائل گروه بندی برگرفته شده، با تفاوت های عمده ای که برای برطرف کردن عیوب الگوریتم ژنتیک سنتی برای مسائل گروه بندی، به آن اضافه گردیده است. از جمله این که این الگوریتم برای اولین بار کروموزوم متفاوتی که از دو قسمت تشکیل گردیده و دارای طول متغیری است را ارائه می نماید. این نحوه پیاده سازی باعث می شود که دیگر نیازی برای بیان تعداد خوشه به عنوان پارامتر ورودی الگوریتم نداشته باشیم و علاوه بر آن، با توجه به مشکلات عملگرهای الگوریتم ژنتیک سنتی برای مسائل گروه بندی، این عملگرها را اصلاح می نماید.

سوال خود را در مورد این مقاله مطرح نمایید :

با انتخاب دکمه ثبت پرسش، موافقت خود را با قوانین انتشار محتوا در وبسایت تی پی بین اعلام می کنم
مقالات جدیدترین رویدادها
مقالات جدیدترین ژورنال ها