بهینه سازی موقعیت نماینده ها در طبقه بند نزدیکترین همسایه با استفاده از الگوریتم‏های ابتکاری

پایان نامه
چکیده

در سال‏های اخیر تلاش¬های زیادی در زمینه¬ی استفاده از الگوریتم¬های ابتکاری در حل مسائل طبقه¬بندی و خوشه¬بندی صورت گرفته است. در این پایان¬نامه برای نخستین بار از الگوریتم جستجوی گرانشی که یکی از جدیدترین الگوریتم‏های ابتکاری مبتنی بر جمعیت است، در حل مسأله تولید نماینده برای طبقه‏بند k-نزدیک¬ترین همسایه استفاده شده است. به منظور بهبود عملکرد، راهکارهایی چون استفاده از «قانون رأی¬گیری اکثریت» و اصلاح جمعیت اولیه¬ی الگوریتم ارائه شده است. همچنین دو روش ترکیبی که مسائل تولید و انتخاب نماینده را با هم ترکیب می¬کنند، پیشنهاد شده¬اند. روش¬های پیشنهادی روی پانزده مجموعه داده ارزیابی شده و نتایج آنها با 9 روش روزآمد مقایسه شده است. نتایج بدست آمده نشان می‏دهند که روش¬های پیشنهادی دقت طبقه‏بندی بالاتری نسبت به روش¬های مورد مقایسه داشته و عملکرد مناسبی در زمینه تولید نماینده دارند. بالاترین میانگین دقت طبقه¬بندی بدست آمده در میان روش¬های پیشنهادی روی مجموعه آزمون، تقریباً 5/1% بیشتر از بهترین روش ¬مورد مقایسه است.

اگر عضو سایت هستید لطفا وارد حساب کاربری خود شوید

منابع مشابه

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 شهید باهنر کرمان - دانشکده فنی

کلمات کلیدی

میزبانی شده توسط پلتفرم ابری doprax.com

copyright © 2015-2023