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
10932
17816
92378
16830363
343295
559309
17291739

آی‌پی شما: 18.191.88.249
امروز: جمعه، 31 فروردين 1403 شمسی ساعت به وقت گرینویچ: 16:01:08

راهکار ازدحام مورچه بی نظم برای خوشه بندی داده

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

عنوان محصول:
راهکار ازدحام مورچه بی نظم برای خوشه بندی داده



قیمت: 150000 ریال

  دسته‌بندی: مقالات خوشه بندی

Chaotic ant swarm approach for data clustering

 

Abstract
Clustering divides data into meaningful or useful groups (clusters) without any prior knowledge. It is a key technique in data mining and has become an important issue in many fields. This article presents a new clustering algorithm based on the mechanism analysis of chaotic ant swarm (CAS). It is an optimization methodology for clustering problem which aims to obtain global optimal assignment by minimizing the objective function. The proposed algorithm combines three advantages into one: finding global optimal solution to the objective function, not sensitive to clusters with different size and density and suitable to multi-dimensional data sets. The quality of this approach is evaluated on several well-known benchmark data sets. Compared with the popular clustering method named k-means algorithm and the PSO-based clustering technique, experimental results show that our algorithm is an effective clustering technique and can be used to handle data sets with complex cluster sizes, densities and multiple dimensions.

 

pdfدانلود رایگان مقاله انگلیسی                    382.01 KB

 

چکیده
خوشه بندی داده ها را به گروه های با مفهوم و مفید (کلاسترها) بدون هیچ دانش قبلی تقسیم می کند که یک تکنیک کلیدی در داده کاوی است و بحث مهمی در زمینه های مختلف گشته است. این مقاله یک الگوریتم خوشه بندی جدید مبتنی بر آنالیز مکانیزم ازدحام مورچه بی نظم (CAS) ارائه می کند. که یک متدولوژی بهینه سازی برای مسئله خوشه بندی است که هدفش دستیابی به انتساب بهینه با کمینه سازی تابع هدف است. الگوریتم پیشنهادی سه مزیت را در یک مزیت ترکیب می کند: یافتن راه حل بهینه سراسری برای تابع هدف، حساس نبودن به خوشه ها با اندازه و تراکم مختلف و مناسب بودن برای مجموعه داده های چند بعدی. کیفیت این راهکار روی مجموعه داده های الگوی مشخص متعددی ارزیابی می شود. در مقایسه با روش خوشه بندی مشهور با نام الگوریتم میانگین K و تکنیک خوشه بندی مبتنی بر PSO، نتایج تجربی نشان می دهند که الگوریتم ما، یک تکنیک خوشه بندی موثر است و می تواند برای کنترل مجموعه داده ها با اندازه های خوشه مرکب، تراکم ها و ابعاد چندگانه مورد استفاده قرار گیرد.

 

 تعداد صفحات مقاله انگلیسی:   7  صفحه

 تعداد صفحات فارسی مقاله ترجمه شده :   19  صفحه

 قالب بندی فایل: فایل ورد (Word)

اضافه کردن نظر