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
1687
23099
109720
16404402
501164
496149
16890299

آی‌پی شما: 52.55.55.239
امروز: جمعه، 10 فروردين 1403 شمسی ساعت به وقت گرینویچ: 02:01:41

یک الگوریتم خوشه بندی جدید مبتنی بر مورچه با استفاده از روش هسته ای

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

عنوان محصول:
یک الگوریتم خوشه بندی جدید مبتنی بر مورچه با استفاده از روش هسته ای



قیمت: 220000 ریال

  دسته‌بندی: مقالات خوشه بندی

A novel ant-based clustering algorithm using the kernel method

 

Abstract

A novel ant-based clustering algorithm integrated with the kernel (ACK) method is proposed. There are two aspects to the integration. First, kernel principal component analysis (KPCA) is applied to modify the random projection of objects when the algorithm is run initially. This projection can create rough clusters and improve the algorithm’s efficiency. Second, ant-based clustering is performed in the feature space rather than in the input space. The distance between the objects in the feature space, which is calculated by the kernel function of the object vectors in the input space, is applied as a similarity measure. The algorithm uses an ant movement model in which each object is viewed as an ant. The ant determines its movement according to the fitness of its local neighbourhood. The proposed algorithm incorporates the merits of kernel-based clustering into ant-based clustering. Comparisons with other classic algorithms using several synthetic and real datasets demonstrate that ACK method exhibits high performance in terms of efficiency and clustering quality.

 

pdfدانلود رایگان مقاله انگلیسی                          817.68 KB

 

چکیده
در این مقاله یک الگوریتم خوشه بندی جدید مبتنی بر مورچه با استفاده از روش هسته ای پیشنهاد شده است. دو جنبه برای یکپارچگی وجود دارد. جنبه اول، تجزیه و تحلیل مولفه های اصلی هسته¬ای (KPCA) است. این فرآیند زمانی که الگوریتم در ابتدا اجرا می¬شود، .برای اصلاح تصویر کردن تصادفی شی به کار گرفته می¬شود. این تصویر سازی میتواند خوشه هایی ناهمگن ایجاد کند و کارایی الگوریتم را بهبود دهد. جنبه دوم، خوشه بندی مبتنی بر مورچه به جای انجام شدن در فضای ورودی در فضای مشخصه ای انجام میشود. فاصله بین اشیاء در فضای مشخصه، که توسط تابع هسته ای بردار شی، در فضای ورودی محاسبه می¬شود، بعنوان معيار تشابه استفاده می¬شود. الگوریتم پیشنهادی از مدل حرکات مورچه ها استفاده میکند که در آن هر شی بعنوان یک مورچه در نظر گرفته میشود. تشخیص حرکات مورچه مطابق تابع برازندگی در همسایگی محلی آن انجام می¬شود. الگوریتم پیشنهادی، ماهیت خوشه بندی مبتنی بر هسته را با الگوریتم مبتنی بر خوشه در هم می آمیزد. مقایسه روش پیشنهادی با سایر الگوریتم های کلاسیک با استفاده از مجموعه داده های واقعی و ترکیبی نشان می¬دهد که روش ACK کارایی و کیفیت خوشه بندی خوبی ارائه می¬دهد.

 

 تعداد صفحات مقاله انگلیسی:  15   صفحه

 تعداد صفحات فارسی مقاله ترجمه شده :   29  صفحه

 قالب بندی فایل: فایل ورد (Word)

اضافه کردن نظر