بترکه چشم حسود    

جستجوی پیشرفته مقالات

     عنوان:

نماد اعتماد الکترونیکی

لیست مقالات ترجمه شده

سایر مقالات

امروز
دیروز
هفته جاری
هفته گذشته
ماه جاری
ماه گذشته
بازدید کل
18014
36285
102948
16404402
494392
496149
16883527

آی‌پی شما: 3.90.242.249
امروز: پنج شنبه، 09 فروردين 1403 شمسی ساعت به وقت گرینویچ: 18:01:24
       دسته‌بندی: مقالات خوشه بندی       فروش: 0 بازدید: 6967
کاربرد الگوریتم K-Means مورچه در تجزیه و تحلیل خوشه بندی
    قیمت محصول: 120000 ریال



Application of Ant K-Means on Clustering Analysis

 

Abstract

This paper intends to propose a novel clustering method, ant K-means (AK) algorithm. AK algorithm modifies the K-means as locating the objects in a cluster with the probability, which is updated by the pheromone, while the rule of updating pheromone is according to total within cluster variance (TWCV). The computational results showed that it is better than the other two methods, self-organizing feature map (SOM) followed by K-means method and SOM followed by genetic Kmeans algorithm via 243 data sets generated by Monte Carlo simulation. To further testify this novel method, the questionnaire survey data for the plasma television market segmentation is employed. The results also indicated that the proposed method is the best among these three methods based on TWCV.

@ 2005 Elsevier Ltd. All rights reserved.
Keywords--Data mining, Clustering analysis, Ant colony optimization.

 

pdf   دانلود رایگان مقاله انگلیسی902.26 KB

 

 

چکیده
این مقاله در نظر دارد یک روش جدید خوشه بندی را با عنوان الگوریتم خوشه بندی K-means مورچه(AK) ، بیان کند. الگوریتم AK، روش K-means را به صورت تعیین مکان اشیاء در یک خوشه با احتمالی که توسط فرمون تعیین میشود، تغییر میدهد و قوانین به روز رسانی فرمون بر حسب کل واریانس خوشه، تعیین میشود(TWCV). نتایج محاسباتی نشان میدهد که، این روش بهتر از دو روش نقشه ویژگی های خود سازمان ده(SOM) منطبق بر روش K-means و نقشه ویژگی های خود سازمان ده(SOM) منطبق بر روش ژنتیک K-means است که با 243 مجموعه داده تولید شده بوسیله شبیه سازی مونت کارلو، ایجاد شده اند. برای آزمایش این روش جدید، برسشنامه بررسی داده ها، برای تقسیم بندی بازار تلویزیون پلاسما، استفاده شده است. نتایچ نشان میدهد که، روش پیشنهادی بهتر ازسه روش مبتنی بر TWCV، عمل میکند.
کلمات کلیدی: داده کاوی، تجزیه و تحلیل خوشه بندی، بهینه سازی خوشه بندی.

 

 تعداد صفحات مقاله انگلیسی:  16   صفحه

 تعداد صفحات فارسی مقاله ترجمه شده :   24  صفحه

 قالب بندی فایل: فایل ورد (Word)

 


لینک دانلود فایل خریداری شده بلافاصله بعد از پرداخت آنلاین فعال می‌شود