Ant Colony Clustering by Expert Ants

 

Abstract

In this article a new ant clustering algorithm based on case based reasoning (CBR) is presented. Every ant has a case base which is updated iteratively by the process of CBR. The ant which is successful in dropping an item becomes an expert and can use its knowledge for future picked up items. Also expert ants are capable of cooperating to share their knowledge for even better clustering. Our simulation results demonstrated better performance than previous approaches.

 

Keywords: ant based clustering, ant colony optimization
Proceedings of International Workshop on Data Mining and Artificial Intelligence (DMAI' 08)
24 December, 2008, Khulna, Bangladesh

 

دانلود رایگان مقاله انگلیسی                 2.18 MB

 

چکیده
در این مقاله یک روش خوشه بندی مبتنی بر استدلال موردی (CBR)، ارائه میشود. هرمورچه دارای یک مبنای موردی است که مکررا با رویه CBR، به روز رسانی میشود. مورچه ای که در برداشتن یک بار موفق شد، به عنوان یک خبره در نظر گرفته میشود و میتواند از دانش خود برای برداشتن بارهای بیشتر، استفاده کند. همچنین مورچه های خبره، قادرند تا در اشتراک گذاری دانش خود برای خوشه بندی بهتر، همکاری کنند. نتایج شبیه سازی ما، کارایی بهتری نسبت به رویکردهای قبلی را نشان داده است.
کلمات کلیدی: خوشه بندی مبتنی بر مورچه، بهینه سازی کلونی مورچه

 

 

 

 تعداد صفحات مقاله انگلیسی:   7  صفحه

 تعداد صفحات فارسی مقاله ترجمه شده :  15   صفحه

 قالب بندی فایل: فایل ورد (Word)

 

اضافه کردن نظر