دوره 14، شماره 2 - ( 6-1396 )                   جلد 14 شماره 2 صفحات 159-169 | برگشت به فهرست نسخه ها



DOI: 10.18869/acadpub.jsdp.14.2.159

XML English Abstract Print


Download citation:
BibTeX | RIS | EndNote | Medlars | ProCite | Reference Manager | RefWorks
Send citation to:

Chaghari A, Feizi-Derakhshi M. Automatic Clustering Using Improved Imperialist Competitive Algorithm. JSDP. 2017; 14 (2) :159-169
URL: http://jsdp.rcisp.ac.ir/article-1-453-fa.html
چاقری آرش، فیضی درخشی محمدرضا. خوشه‌بندی خودکار داده‌ها با بهره‌گیری از الگوریتم رقابت استعماری بهبودیافته. پردازش علائم و داده‌ها. 1396; 14 (2) :159-169

URL: http://jsdp.rcisp.ac.ir/article-1-453-fa.html


دانشجوی دکتری دانشگاه تبریز
چکیده:   (165 مشاهده)

الگوریتم رقابت استعماری (ICA)، یکی از کاراترین الگوریتم‌های فرا ابتکاری برای پیدا کردن جواب بهینه سراسری در مسائل بهینه‌سازی می‌باشد. در این مقاله از الگوریتم رقابت استعماری برای خوشه‌بندی خودکار مجموعه داده‌های بزرگ و واقعی بدون برچسب استفاده شده است. با بهره‌گیری از ساختار مناسب برای هر یک از کروموزم‌ها و استفاده از الگوریتم رقابت استعماری، در زمان اجرا تعداد بهینه خوشه‌ها هم‌زمان با خوشه‌بندی بهینه داده‌ها به دست می‌آید. همچنین برای افزایش دقت و افزایش سرعت همگرایی، ساختار الگوریتم رقابت استعماری با تغییراتی همراه است. روش پیشنهادی (ACICA) نیاز به هیچ‌گونه دانش قبلی برای خوشه‌بندی داده‌ها ندارد. علاوه بر آن روش پیشنهادی  در مقایسه با سایر روش‌های خوشه‌بندی مبتنی بر الگوریتم‌های تکاملی، دقت بیشتری را دارد. از معیارهای ارزیابی خوشه‌بندی DB و CS به عنوان تابع هدف استفاده شده است. برای نشان دادن برتری روش پیشنهادی، میانگین مقدار بهینه تابع هدف و تعداد خوشه­های تعیین شده توسط روش پیشنهادی با سه الگوریتم خوشه­بندی خودکار مبتنی بر الگوریتم­های تکاملی مقایسه می‌شود.

متن کامل [PDF 4416 kb]   (140 دریافت)    
نوع مطالعه: پژوهشي | موضوع مقاله: مقالات پردازش داده‌های رقمی
دریافت: ۱۳۹۴/۸/۱۷ | پذیرش: ۱۳۹۵/۱۲/۱۵ | انتشار: ۱۳۹۶/۷/۲۹ | انتشار الکترونیک: ۱۳۹۶/۷/۲۹

ارسال نظر درباره این مقاله : نام کاربری یا پست الکترونیک شما:
کد امنیتی را در کادر بنویسید

ارسال پیام به نویسنده مسئول


کلیه حقوق این وب سایت متعلق به فصل‌نامة علمی - پژوهشی پردازش علائم و داده‌ها می باشد.