Skip Navigation Linksلیست مقالات ترجمه شده / مقالات ترجمه شده مهندسی كامپيوتر /

عنوان ترجمه شده مقاله: یک رویکرد ترکیبی کارآمد بر اساس PSO، ACO و K-means برای تحلیل خوشه ای

در این مقاله یک الگوریتم تکاملی ترکیبی جدید برای حل مسئله خوشه بندی تقسیمی غیر خطی ارائه می گردد
Abstract

Clustering is a popular data analysis and data mining technique. A popular technique for clustering is based on k-means such that the data is partitioned into K clusters. However, the k-means algorithm highly depends on the initial state and converges to local optimum solution. This paper presents a new hybrid evolutionary algorithm to solve nonlinear partitional clustering problem. The proposed hybrid evolutionary algorithm is the combination of FAPSO (fuzzy adaptive particle swarm optimization), ACO (ant colony optimization) and k-means algorithms, called FAPSO-ACO–K, which can find better cluster partition. The performance of the proposed algorithm is evaluated through several benchmark data sets. The simulation results show that the performance of the proposed algorithm is better than other algorithms such as PSO, ACO, simulated annealing (SA), combination of PSO and SA (PSO–SA), combination of ACO and SA (ACO–SA), combination of PSO and ACO (PSO–ACO), genetic algorithm (GA), Tabu search (TS), honey bee mating optimization (HBMO) and k-means for partitional clustering problem

چکیده

خوشه بندی، یک روش محبوب برای تحلیل داده ها و داده کاوی است. روش رایج برای خوشه بندی، بر اساس k-means است به طوری که داده ها به k خوشه تقسیم می شوند. با این حال، الگوریتم k-means بسیار وابسته به حالت اولیه است و به راه حل بهینه محلی همگرا می شود. در این مقاله یک الگوریتم تکاملی ترکیبی جدید برای حل مسئله خوشه بندی تقسیمی غیر خطی ارائه می گردد. الگوریتم تکاملی ترکیبی پیشنهادی، ترکیبی از الگوریتم  FAPSO(بهینه سازی ازدحام ذرات تطبیقی فازی)، ACO (بهینه سازی کلونی مورچه) و k-means، به نام FAPSO-ACO-K است، که می تواند پارتیشن خوشه ای بهتری پیدا کند. عملکرد الگوریتم پیشنهادی، از طریق چندین مجموعه داده معیار ارزیابی می گردد. نتایج شبیه سازی نشان می دهد که عملکرد الگوریتم پیشنهادی، بهتر از الگوریتم های دیگر مانند PSO، ACO، بازپخت شبیه سازی شده (SA)، ترکیبی از PSO و SA (PSO–SA)، ترکیبی از ACO وSA  (ACO–SA)، ترکیبی از PSO و ACO (PSO–ACO)، الگوریتم ژنتیک (GA)، جستجوی تابو (TS)، بهینه سازی جفت گیری زنبور عسل (HBMO) و K-means برای مسئله خوشه بندی تقسیمی است.

1-مقدمه

خوشه بندی داده، فرآیند گروه بندی داده ها را به کلاس ها و یا خوشه ها توصیف می کند که در آن داده ها در هر خوشه، درجه بالایی از شباهت را به اشتراک می گذارند در حالی که به داده های دیگر خوشه ها بسیار بی شباهت هستند. عدم شباهت ها با توجه به مقادیر موجودیت توصیف کننده اشیاء، ارزیابی می گردد. به طور کلی، مقیاس های فاصله استفاده می­ شود. خوشه بندی داده ها دارای ریشه هایی در تعدادی از حوزه ها است...


موسسه ترجمه البرز اقدام به ترجمه مقاله " مهندسی فناوری اطلاعات " با موضوع " یک رویکرد ترکیبی کارآمد بر اساس PSO، ACO و K-means برای تحلیل خوشه ای " نموده است که شما کاربر عزیز می توانید پس از دانلود رایگان مقاله انگلیسی و مطالعه ترجمه چکیده و بخشی از مقدمه مقاله، ترجمه کامل مقاله را خریداری نمایید.
عنوان ترجمه فارسی
یک رویکرد ترکیبی کارآمد بر اساس PSO، ACO و K-means برای تحلیل خوشه ای
نویسنده/ناشر/نام مجله :
Applied Soft Computing
سال انتشار
2010
کد محصول
1010026
تعداد صفحات انگليسی
15
تعداد صفحات فارسی
41
قیمت بر حسب ریال
1,397,000
نوع فایل های ضمیمه
Pdf+Word
حجم فایل
2 مگا بایت
تصویر پیش فرض


این مقاله ترجمه شده را با دوستان خود به اشتراک بگذارید
سایر مقالات ترجمه شده مهندسی فناوری اطلاعات , مهندسی كامپيوتر را مشاهده کنید.
کاربر عزیز، بلافاصله پس از خرید مقاله ترجمه شده مقاله ترجمه شده و با یک کلیک می توانید مقاله ترجمه شده خود را دانلود نمایید. مقاله ترجمه شده خوداقدام نمایید.
جهت خرید لینک دانلود ترجمه فارسی کلیک کنید
جستجوی پیشرفته مقالات ترجمه شده
برای کسب اطلاعات بیشتر، راهنمای فرایند خرید و دانلود محتوا را ببینید
هزینه این مقاله ترجمه شده 1397000 ریال بوده که در مقایسه با هزینه ترجمه مجدد آن بسیار ناچیز است.
اگر امکان دانلود از لینک دانلود مستقیم به هر دلیل برای شما میسر نبود، کد دانلودی که از طریق ایمیل و پیامک برای شما ارسال می شود را در کادر زیر وارد نمایید


این مقاله ترجمه شده مهندسی فناوری اطلاعات در زمینه کلمات کلیدی زیر است:






Ant colony optimization
Data clustering
Hybrid evolutionary optimization algorithm
k-means

تاریخ انتشار در سایت: 2017-02-18
جستجوی پیشرفته مقالات ترجمه شده
نظرتان در مورد این مقاله ترجمه شده چیست؟

ثبت سفارش جدید