دانلود فایل با شمار فاکتور

لطفا شماره فاکتور خود را درج نمایید


عنوان محصول: کاربرد الگوریتم K-Means مورچه در تجزیه و تحلیل خوشه بندی

دسته‌بندی: مقالات ترجمه شده رشته کامپیوتر
تاریخ انتشار: پنج شنبه 20 آبان 1395
توضیحات مختصر: این مقاله در نظر دارد یک روش جدید خوشه بندی را با عنوان الگوریتم خوشه بندی K-means مورچه(AK) ، بیان کند. الگوریتم AK، روش K-means را به صورت تعیین مکان اشیاء در یک خوشه با احتمالی که توسط فرمون تعیین میشود، تغییر میدهد و قوانین به روز رسانی فرمون بر حسب کل واریانس خوشه، تعیین میشود(TWCV). نتایج محاس...
کاربرد الگوریتم K-Means مورچه در تجزیه و تحلیل خوشه بندی کاربرد الگوریتم K-Means مورچه در تجزیه و تحلیل خوشه بندی


قیمت قیمت : 20000 تومان
تخفیف تخفیف: 8000 تومان
قیمت نهایی قیمت نهایی: 12000 تومان
610 بازدید
کد مقاله: TTC- 1- 119
نوع فایل : docx
Journal: Elsevier

Application of Ant K-Means on Clustering Analysis
Abstract
This paper intends to propose a novel clustering method, ant K-means (AK) algorithm. AK algorithm modifies the K-means as locating the objects in a cluster with the probability, which is updated by the pheromone, while the rule of updating pheromone is according to total within cluster variance (TWCV). The computational results showed that it is better than the other two methods, self-organizing feature map (SOM) followed by K-means method and SOM followed by genetic K-means algorithm via 243 data sets generated by Monte Carlo simulation. To further testify this novel method, the questionnaire survey data for the plasma television market segmentation is employed. The results also indicated that the proposed method is the best among these three methods based on TWCV.
Keywords: Data mining; Clustering analysis; Ant colony optimization

چکیده
این مقاله در نظر دارد یک روش جدید خوشه بندی را با عنوان الگوریتم خوشه بندی K-means مورچه(AK) ، بیان کند. الگوریتم AK، روش K-means را به صورت تعیین مکان اشیاء در یک خوشه با احتمالی که توسط فرمون تعیین میشود، تغییر میدهد و قوانین به روز رسانی فرمون بر حسب کل واریانس خوشه، تعیین میشود(TWCV). نتایج محاسباتی نشان میدهد که، این روش بهتر از دو روش نقشه ویژگی های خود سازمان ده(SOM) منطبق بر روش K-means و نقشه ویژگی های خود سازمان ده(SOM) منطبق بر روش ژنتیک K-means است که با 243 مجموعه داده تولید شده بوسیله شبیه سازی مونت کارلو، ایجاد شده اند. برای آزمایش این روش جدید، برسشنامه بررسی داده ها، برای تقسیم بندی بازار تلویزیون پلاسما، استفاده شده است. نتایچ نشان میدهد که، روش پیشنهادی بهتر ازسه روش مبتنی بر TWCV، عمل میکند.
کلمات کلیدی: داده کاوی، تجزیه و تحلیل خوشه بندی، بهینه سازی خوشه بندی

تعداد صفحات انگلیسی تعداد صفحات انگلیسی:16 صفحه
تعداد صفحات فارسی تعداد صفحات فـارسـی:23 صفحه

تماس با پشتیبانی فروشگاه ترجمه‌های تخصصی

نام و نام خانوادگی*
پست الکترونیکی*
موضوع پیام*
متن پیام*
اطلاعات تماس با فروشگاه ترجمه‌های تخصصی


فروشگاه ترجمه‌های تخصصی
پست الکترونیک :info@ttsell.ir
پست الکترونیک :mailttsell@gmail.com
شماره تلفن تماس:09355907190
کانال تلگرام : t.me/ttsell

  • آدرس: تبریز، خیابان  خاقانی، پاساژ خاقانی، پلاک 119
  • تلفن  تماس: 09355907190
  • تلفن  ثابت : 35250068-041
  •  Mailttsellاین آدرس ایمیل توسط spambots حفاظت می شود. برای دیدن شما نیاز به جاوا اسکریپت دارید : آدرس  ایمیل
  • @ttsell:آدرس تلگرام
فروشگاه ترجمه‌های تخصصی از  سال  1387شروع به کار نموده است  و تا کنون بیش از ده هزار ترجمه در رشته ها و زمینه های مختلف توسط متخصصین این مرکز انجام  شده  است.
Scroll to top