• استفاده از الگوریتم فرامکاشفه ای ترکیبی در خوشه بندی

    نویسندگان :
    جزئیات بیشتر مقاله
    • تاریخ ارائه: 1396/02/12
    • تاریخ انتشار در تی پی بین: 1396/02/12
    • تعداد بازدید: 1266
    • تعداد پرسش و پاسخ ها: 0
    • شماره تماس دبیرخانه رویداد: -

    خوشه بندی یک حوزه پژوهشی چالش برانگیز بوده که جزو مسائل np محسوب می گردد. یکی از معروف ترین و پر کاربردترین الگوریتم های خوشه بندی k-means می باشد. متأسفانه این الگوریتم وابسته به مقادیر اولیه مراکز خوشه هاست و به همین دلیل همیشه خوشه بندی را بطور کاملا صحیح انجام نمی دهد. یکی از بهترین و پر کاربرد ترین روش ها در بین راه حل های ممکن برای رفع عیوب این الگوریتم، الگوریتم های فرا ابتکاری و تکاملی می باشد. بر همین اساس ما با بررسی عملکرد این الگوریتم ها و شناخت نقاط قوت و ضعف هر یک، اقدام به استفاده ترکیبی آن ها با مسئله خوشه بندی کرده ایم. یکی از الگوریتم های توسعه داده شده در این تحقیق الگوریتم ترکیبی بهینه سازی ازدحام ذرات (pso) و الگوریتم جدید آموزش و یادگیری tlbo می باشد این ترکیب باعث بهتر شدن عملکرد الگوریتم گردیده است. به طوریکه در مقایسه با دیگر الگوریتم های موجود، سرعت همگرایی و اجتناب از میل کردن الگوریتم به سمت پاسخ های بهینه محلی به طرز چشمگیری بهبود یافته است.

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