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
10182
23099
118215
16404402
509659
496149
16898794

آی‌پی شما: 3.218.247.159
امروز: جمعه، 10 فروردين 1403 شمسی ساعت به وقت گرینویچ: 14:01:00

خوشه بندی مورچه فازی با استفاده از مکان یابی مرکز ثقل

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

عنوان محصول:
خوشه بندی مورچه فازی با استفاده از مکان یابی مرکز ثقل



قیمت: 80000 ریال

  دسته‌بندی: مقالات خوشه بندی

Fuzzy Ant Clustering by Centroid Positioning

 

Abstract

We present a swarm intelligence based algorithm for data clustering. The algorithm uses ant colony optimization principles to find good partitions of the data. In the first stage of the algorithm ants more the cluster centers in feature space. The cluster centers found by the ants are evaluated using a reformulated Fuzzy C Means criterion. In the second stage the best cluster centers found are used as the initial cluster centers for the Fuzzy C Means (FCM) algorithm. Results on 8 datasets show that the partitions found by FCM using the ant initialization are better optimized than those from randomly initialized FCM. Hard C Means was also used in the second stage and the partitions from the algorithm are better optimized than those from randomly initialized Hard C Means.

 

 

pdf  دانلود رایگان مقاله انگلیسی582.3 KB

 

چکیده:

در این مقاله یک الگوریتم مبتنی بر هوش جمعی برای خوشه بندی داده ها ارائه می¬شود. الگوریتم پیشنهادی از اصول بهینه سازی کلونی مورچه برای یافتن تفکیک خوب داده ها استفاده می¬کند. در مرحله اول الگوریتم، مورچه ها مرکز خوشه را به فضای مشخصه انتقال می¬دهند. مراکز خوشه یافته شده توسط مورچه ها،  با استفاده از  ضابطه میانگین c فازی  مجددا فرمول بندی شده ارزیابی می¬شود. در مرحله دوم بهترین مراکز خوشه یافت شده بعنوان مراکز خوشه¬ای اولیه برای  الگوریتم میانگین c فازی(FCM)  مورد استفاده قرار می¬گیرند.  نتایج آزمایشات در  8 دیتابیش نشان می¬دهد که تفکیک بندی یافت شده توسط FCM که از هوش دسته جمعی مورچه ها استفاده می¬کند، خیلی بهینه تر از FCM با مقدار دهی اولیه تصادفی است. میانگین C سخت در مرحله دوم نیز مورد استفاده قرار می¬گیرد، تفکیک بندی با استفاده از  الگوریتم پیشنهادی خیلی بهینه تر از میانگین C سخت با مقدار دهی اولیه تصادفی است.

 

 

 تعداد صفحات مقاله انگلیسی:   6  صفحه

 تعداد صفحات فارسی مقاله ترجمه شده :   14  صفحه

 قالب بندی فایل: فایل ورد (Word)

 

 

اضافه کردن نظر