Thesis

یک الگوریتم خوشه بندی بهبود یافته با رویکرد تکاملی

Abstract(in Persian; no English abstract is available)

خوشه بندی یک فرآیند بدون ناظر است که یک مجموعه از اشیاء را به گروه های متجانس تقسیم می کند. خوشه بندی یکی از مهم ترین روش های داده کاوی می باشد ولی در زمینه های دیگری مثل شناخت الگو، فنآوری اطلاعات، پردازش تصاویر، زیست شناسی، روانشناسی و بازاریابی نیز به کار می رود. هدف اصلی خوشه بندی پیدا می باشد k ?? means کردن یک ساختار معنادار برای داده ها می باشد. یکی از معروفترین الگوریتم های خوش هبندی که در سال ???? انتشار یافت و در حال حاضر هنوز هم ازآن به طور گسترده ای استفاده می شود. متأسفانه این الگوریتم وابسته به مقادیر اولیه مراکز خوشه هاست و به همین دلیل همیشه خوشه بندی را بطور کاملا صحیح انجام نمی دهد. با توجه به قرار گیری خوشه بندی در دسته ی مسائل غیر قطعی- سخت، لزوم استفاده از الگوریتم های فرامکاشفه ای و تکاملی جهت دستیابی به پاسخ مناسب در زمان منطقی مشخصمی باشد. در این پایان نامه ابتدا مروری بر جدید ترین الگوریتم های تکاملی انجام شده است و تعدادی از جدید ترین الگوریتم های تکاملی را که تاکنون برای مسئله خوشه بندی مطرح شده اند را مورد بحث و بررسی قرار داده ایم. با بررسی آنها متوجه می شویم که ضوابط مد نظر تعریف شده را به طور کامل نمی توانند ارضا نمایند. بنابراین می توان راهکاری جامع تر و کامل تر ارائه نمود که بهتر از راهکارهای مورد بررسی باشد لذا هدف از این پایان نامه ارائه یک الگوریتم خوشه بندی بر مبنای الگوریتم های تکاملی می باشد که بتواند نسبت به الگوریتم های مورد مقایسه بهبودی را حاصل نماید. در این پایان نامه دو الگوریتم برای مسئله خوشه بندی بیان شده است. این الگوریتم ها به صورت ترکیبی می باشند و الگوریتم پیشنهادی اول ترکیبی از بهینه سازی ذرات و جستجوی فاخته و الگوریتم پیشنهادی دوم ترکیبی از الگوریتم تکامل تفاضلی و جستجوی فاخته می باشد. نتایج الگوریتم های پیشنهادی و کارآیی آن ها با هفت مجموعه داده استاندارد ارزیابی شده است. نتایج ارائه شده نشان می دهد که الگوریتم های پیشنهادی الگوریتم هایی کارا و موٍثر برای خوشه بندی می باشند.

Supervisors and advisors

آیاز عیسی زاده

Similar theses

  • بخش بندی تصاویر mri مغزی با استفاده از الگوریتم خوشه یابی بهبود یافته fcm

    Thesis2011وزارت علوم، تحقیقات و فناوری - دانشگاه تبریزابوالفضل کوهی

    اولین مرحله در زمین? تحلیل تصویر mri مغز تفکیک بافت های مغز از یکدیگر می باشد که به دلیل ویژگی خاص این تصاویر، تفکیک این بافت ها از یکدیگر با مشکلاتی مواجه می باشد. مهمترین مشکل در این زمینه، تاثیر حجم جزیی می باشد که از اشتراک دو یا چند بافت در یک پیکسل حاصل می گردد. تحت تاثیر ا

  • یک الگوریتم خوشه بندی فازی جدید مبتنی بر لگوریتم محاسبات تکاملی بهینه سازی تولیدمثل غیرجنسی

    Thesis2014دانشگاه امام رضا علیه اسلامجابر پورسلیمان

    خوشه بندی فازی مبتنی بر الگوریتم های تکاملی و هوش ازدحامی یکی از زمینه های تحقیقاتی فعال می باشد که اخیراً بسیار موردتوجه قرارگرفته است. عملکرد مناسب در رویکرد خوشه بندی با توجه به معیارهایی همچون، توانایی تعیین خودکار تعداد بهینه ی خوشه ها، توانایی پیدا کردن پارتیشن بندی مناسب،

  • استفاده از الگوریتم جستجوی گرانشی بهبود یافته در خوشه یابی تصاویر

    Thesis2010وزارت علوم، تحقیقات و فناوری - دانشگاه بیرجند - دانشکده مهندسیعلی رضا سردار

    از نظر عملی مسئله خوشه یابی به عنوان یک هدف اولیه در بازشناسی الگو مطرح است و به علت کاربرد فراوان آن در زمینه هایی مثل داده کاوی، پردازش تصویر و ماشین بینایی توجه بسیاری از محققان را به خود جلب کرده است. تاکنون از روش های ابتکاری مختلفی به منظور خوشه یابی استفاده شده است. در اکث

  • استفاده از الگوریتم رقابت استعماری بهبود یافته برای بخش بندی تصویر

    Thesis2014موسسه آموزش عالی غیر انتفاعی و غیر دولتی نبی اکرم (ص) - دانشکده فنیوحید نقاشی

    بخش بندی تصویر یک فرآیند اساسی در بسیاری از کاربردهای پردازش تصویر و بینایی ماشین است که می تواند به عنوان اولین مرحله پردازش سطح پایین در پردازش تصاویر دیجیتالی در نظر گرفته شود. با توجه به اهمیت بخش بندی تصاویر دیجیتالی روش های متعددی برای این منظور پیشنهاد شده است که به دو دست

  • ارائه یک الگوریتم خوشه بندی رقابتی برای بهبود مصرف انرژی در شبکه های حسگر بی سیم

    Thesis2014وزارت علوم، تحقیقات و فناوری - دانشگاه تحصیلات تکمیلی صنعتی کرمان - دانشکده مهندسی برق و کامپیوترمریم ثابت

    شبکه های حسگر نسل جدیدی از شبکه ها هستند که به طور معمول، از تعداد زیادی گره های ارزان قیمت تشکیل شده اند و ارتباط این گره ها به صورت بی سیم صورت می گیرد. هدف اصلی در این شبکه ها، جمع آوری اطلاعاتی از محیط پیرامون برای پردازش های بیشتر است. گره ها در شبکه های حسگر بی سیم با باتری

  • الگوریتم خوشه بندی سلسله مراتبی چندگانه

    Thesis2011وزارت علوم، تحقیقات و فناوری - دانشگاه صنعتی اصفهان - دانشکده برق و کامپیوترالهه راشدی

    ایده اصلی یادگیری تجمعی به منظور ترکیب پیش بینی یادگیرنده های چندگانه مطرح شده است. روش های یادگیری تجمعی در زمینه ی الگوریتم های یادگیری با ناظر و بدون ناظر، معمولاً نتایج بهتری در مقایسه با روش های واحد ایجاد می کنند. روش های طبقه بندی چندگانه، طبقه بندها را برای رسیدن به طبقه

Similar items

  • اجرای الگوریتم خوشه بندی بهبود یافته بر روی داده های ناباروری

    Articleمهندسی صنایع و مدیریتنرگس آقابیگی، دانشکده ی مهندسی صنایع، دانشگاه خواجه نصیرالدین طوسی سمیه علیزاده، دانشکده ی مهندسی صنایع، دانشگاه خواجه نصیرالدین طوسی ابوطالب صارمی، رئیس بیمارستان صارم

    داده کاوی تلفیقی از روش های هوش مصنوعی برای شناسایی اطلاعات یا استخراج دانش از داده هاست، به نحوی که دانش حاصل در حوزه های تصمیم گیری، پیش بینی، پیش گویی و تخمین مورد استفاده قرار گیرد. تحلیل رفتار مشتریان، دسته بندی مشتریان، شناخت نیازهای مشتریان و پیش بینی در مباحث پزشکی ازجمله

  • بهبود الگوریتم خوشه بندی مشتریان برای توزیع قطعات یدکی با رویکرد داده کاوی (k-means)

    خوشه بندی مشتریان با رویکرد داده کاوی برای بهینه سازی برنامه حمل ونقل یکی از مباحث مطرح در حوزه مدیریت ارتباط با مشتریان است. در این مقاله داده‌ها و اطلاعات واقعی توزیع قطعات یدکی شرکت ایساکو در طی 36 ماه گذسته مورد بررسی قرارگرفته است و به کمک ابزار داده کاوی شباهت رفتار تقاضای

  • بهبود الگوریتم خوشه بندی مشتریان برای توزیع قطعات یدکی با رویکرد داده کاوی (k-means)

    Articleبین المللی مهندسی صنایع و مدیریت تولیدmohammad mehdi sepehri associate professor, industrial engineering department, tarbiat modares university، mehrdad kargari ph.d. student, industrial engineering department, tarbiat modares university

    خوشه بندی مشتریان با رویکرد داده کاوی برای بهینه سازی برنامه حمل ونقل یکی از مباحث مطرح در حوزه مدیریت ارتباط با مشتریان است. در این مقاله داده ها و اطلاعات واقعی توزیع قطعات یدکی شرکت ایساکو در طی 36 ماه گذسته مورد بررسی قرارگرفته است و به کمک ابزار داده کاوی شباهت رفتار تقاضای

  • بهبود عملکرد الگوریتم خوشه بندی فازی سی- مینز با وزن دهی اتوماتیک و محلی ویژگی ها

    Articleمهندسی برق دانشگاه تبریزسمیرا رفیعی, دانشگاه کردستان - دانشکده مهندسی پرهام مرادی, دانشگاه کردستان - دانشکده مهندسی

    خوشه بندی یکی از راه کارهای مهم در تحلیل داده هاست. در راه کارهای کلاسیکِ خوشه بندی معمولاً فرض بر این است که همه ویژگی ها از درجه اهمیت یکسانی برخوردارند. این در حالی است که در مجموعه داده های واقعی یک سری از ویژگی ها اهمیت بیش تری نسبت به دیگر ویژگی ها دارند. در نتیجه ویژگی های

  • انتخاب هوشمندانه مراکز اولیه در الگوریتم خوشه بندی K-means به‌منظور بهبود تشخیص موضوع

    Article2018علوم رايانش و فناوري اطلاعاتسپهر آروین، علی ورداسبی، هشام فیلی، آزاده شاکری

    تشخیص موضوع یکی از مسائل حوزه ی پردازش زبان طبیعی است که در سال های اخیر همواره مورد توجه بوده و از زوایای متفاوتی مورد پژوهش قرارگرفته است. هدف کلی در این مسئله خوشه بندی اسناد متنی در دسته های مختلف است به‌گونه‌ای که اسناد موجود در هر خوشه موضوع یکسانی داشته باشد. بخش قابل‌توجه

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

    Articleمحاسبات نرممریم نبی لو، maryam nabiloo نگین دانشپور، negin daneshpour shahid rajaee teacher training universityتهران- لویزان- خیابان شعبانلو- دانشگاه تربیت دبیر شهید رجایی

    خوشه بندی یکی از تکنیک های اصلی داده کاوی است. خوشه بندی فرایندی است که مجموعه داده ها را داخل گروه هایی طبقه بندی می کند. در خوشه بندی داده های موجود در یک خوشه بیشترین شباهت را به هم دارند و داده های موجود در دو خوشه متفاوت بیشترین تفاوت را با هم دارند. الگوریتم های خوشه بندی ب