ارائه یک الگوریتم تکاملی ترکیبی بر پایه الگوریتم ژنتیک و pso و بررسی کارایی آن در خوشه بندی بر مبنای شکل داده

پایان نامه
چکیده

امروزه الگوریتم های تکاملی نظیر الگوریتم ژنتیک و الگوریتم بهینه سازی گروهی ذرات در حل بسیاری از مسائل پیچیده که روش های عددی قادر به حل آن نیستند و یا در حل آن دچار مشکلاتی می شوند، کاربرد دارند. مسئله خوشه بندی نیز یکی از این چنین مسائل است و با توجه به کاربرد و اهمیت بالای این موضوع، محققین همواره در پی یافتن روشی کامل و دقیق برای حل این مسئله بوده اند. اما با توجه به ماهیت این موضوع، روش های عددی موجود قابلیت حل این مسئله را ندارند و معضل پاسخ های محلی همواره در این روش ها مشکل ساز بوده است. در خوشه-بندی فازی با توجه به شکل داده این مشکل افزایش یافته و علاوه بر آن مشکل نیاز به پیش پردازش داده ها نیز به آن افزوده شده است، لذا از الگوریتم های تکاملی برای حل این مسئله استفاده شده است. اما دقت نسبتا پایین الگوریتم ژنتیک و به دام افتادن الگوریتم بهینه سازی گروهی ذرات در پاسخ های محلی از معایب بزرگ این دو روش بوده و کارایی آنها را نیز پایین می آورد. در این پایان نامه سعی شده با ترکیب این الگوریتم ها و با استفاده از نقاط قوت آنها، یعنی سرعت همگرایی بالای الگوریتم بهینه سازی گروهی ذرات و قدرت اکتشاف الگوریتم ژنتیک، الگوریتمی بدون معایب قبلی ایجاد شود. بدین منظور سه الگوریتم ترکیبی با ایده های متفاوت پیشنهاد گردیده و بعد از بررسی و بهبود با یکدیگر به رقابت گذاشته شده اند و کارایی الگوریتم برگزیده با کارایی الگوریتم های پایه مقایسه شده است. برای ارزیابی کارایی الگوریتم ها از مجموعه داده های استاندارد برای داده های توده ای و اشکال معمول و متعارف برای خوشه بندی پوسته ای استفاده شده است. معیارهای ارزیابی از بین معیارهای استاندارد خوشه بندی و فاکتورهای اعتبارسنجی خوشه بندی انتخاب شده است. در تمامی ارزیابی های انجام شده الگوریتم پیشنهادی کارایی بهتری از الگوریتم های پایه نشان داده است.

۱۵ صفحه ی اول

برای دانلود 15 صفحه اول باید عضویت طلایی داشته باشید

اگر عضو سایت هستید لطفا وارد حساب کاربری خود شوید

منابع مشابه

ارائه ی یک روش خوشه بندی سری های زمانی بر مبنای الگوریتم تکاملی دیفرانسیلی و تبدیل کسینوسی گسسته

با پیشرفت روز افزون تکنولوژی­های جمع آوری اطلاعات و امکان دسترسی به حجم عظیمی از داده همواره نیازمند روش­هایی برای تجزیه و تحلیل این حجم داده خام و استخراج اطلاعات مفید از آن می­باشیم.  امروزه خوشه­بندی داده به عنوان یکی از روش­های آنالیز و ساده سازی مجموعه داده­های بزرگ، مورد توجه بسیاری از محققین قرار گرفته است. در این میان خوشه­بندی سری­های زمانی با دقت مورد قبول، حائز اهمیت بسیاری می­باشد....

متن کامل

یک روش ترکیبی خوشه بندی مبتنی بر الگوریتم ژنتیک با استفاده از عملگر های جدید تغییر

  The clustering problem under the criterion of minimum sum of squares is a non-convex and non-linear program, which possesses many locally optimal values, resulting that its solution often being stuck at locally optimal values and therefore cannot converge to global optima solution. In this paper, we introduce several new variation operators for the proposed hybrid genetic algorithm for the cl...

متن کامل

ارائه ی یک روش خوشه بندی سری های زمانی بر مبنای الگوریتم تکاملی دیفرانسیلی و تبدیل کسینوسی گسسته

با پیشرفت روز افزون تکنولوژی­های جمع آوری اطلاعات و امکان دسترسی به حجم عظیمی از داده همواره نیازمند روش­هایی برای تجزیه و تحلیل این حجم داده خام و استخراج اطلاعات مفید از آن می­باشیم.  امروزه خوشه­بندی داده به عنوان یکی از روش­های آنالیز و ساده سازی مجموعه داده­های بزرگ، مورد توجه بسیاری از محققین قرار گرفته است. در این میان خوشه­بندی سری­های زمانی با دقت مورد قبول، حائز اهمیت بسیاری می­باشد. ...

متن کامل

مقایسه تأثیر وضعیت طاق باز و دمر بر وضعیت تنفسی نوزادان نارس مبتلا به سندرم دیسترس تنفسی حاد تحت درمان با پروتکل Insure

کچ ی هد پ ی ش مز ی هن ه و فد : ساسا د مردنس رد نامرد ي سفنت سرتس ي ظنت نادازون داح ي سکا لدابت م ي و نژ د ي سکا ي د هدوب نبرک تسا طسوت هک کبس اـه ي ناـمرد ي فلتخم ي هلمجزا لکتورپ INSURE ماجنا م ي دوش ا اذل . ي هعلاطم ن فدهاب اقم ي هس عضو ي ت اه ي ندب ي عضو رب رمد و زاب قاط ي سفنت ت ي هـب لاتـبم سراـن نادازون ردنس د م ي سفنت سرتس ي لکتورپ اب نامرد تحت داح INSURE ماجنا درگ ...

متن کامل

ارائه یک الگوریتم خوشه بندی برای داده های دسته ای با ترکیب معیارها

Clustering is one of the main techniques in data mining. Clustering is a process that classifies data set into groups. In clustering, the data in a cluster are the closest to each other and the data in two different clusters have the most difference. Clustering algorithms are divided into two categories according to the type of data: Clustering algorithms for numerical data and clustering algor...

متن کامل

منابع من

با ذخیره ی این منبع در منابع من، دسترسی به آن را برای استفاده های بعدی آسان تر کنید

ذخیره در منابع من قبلا به منابع من ذحیره شده

{@ msg_add @}


نوع سند: پایان نامه

وزارت علوم، تحقیقات و فناوری - دانشگاه فردوسی مشهد - دانشکده مهندسی

میزبانی شده توسط پلتفرم ابری doprax.com

copyright © 2015-2023