دانلود فایل با شمار فاکتور
لطفا شماره فاکتور خود را درج نمایید
جدیدترین لغات واژهنامه
کشورهای شمال اروپا
آتش سوزی های جنگلی
دوسویه
نادیده گرفتن، دست انداخ
اجتناب ناپذیر، بی شفقت،
آمار بازدیدکنندگان
بازدید امروز :29
بازدید روز گذشته :121
بازدید این هفته :441
بازدید این ماه :374
مجموع آمار بازدید ها :812749
بازدید روز گذشته :121
بازدید این هفته :441
بازدید این ماه :374
مجموع آمار بازدید ها :812749
عنوان محصول: یک الگوریتم خوشه بندی جدید مبتنی بر مورچه با استفاده از روش هسته ای
دستهبندی: مقالات ترجمه شده رشته کامپیوتر
تاریخ انتشار:
پنج شنبه 20 آبان 1395
توضیحات مختصر:
در این مقاله یک الگوریتم خوشه بندی جدید مبتنی بر مورچه با استفاده از روش هسته ای پیشنهاد شده است. دو جنبه برای یکپارچگی وجود دارد. جنبه اول، تجزیه و تحلیل مولفه های اصلی هسته ای (KPCA) است. این فرآیند زمانی که الگوریتم در ابتدا اجرا میشود، .برای اصلاح تصویر کردن تصادفی شی به کار گرفته میشود. این تصو...
|
![]() | یک الگوریتم خوشه بندی جدید مبتنی بر مورچه با استفاده از روش هسته ای |




581 بازدید
کد مقاله: TTC-
3121
نوع فایل : docx
لینک دانلود فایل خریداری شده بلافاصله بعد از خرید موفق فعال خواهد شد.
Abstract
A novel ant-based clustering algorithm integrated with the kernel (ACK) method is proposed. There are two aspects to the integration. First, kernel principal component analysis (KPCA) is applied to modify the random projection of objects when the algorithm is run initially. This projection can create rough clusters and improve the algorithm’s efficiency. Second, ant-based clustering is performed in the feature space rather than in the input space. The distance between the objects in the feature space, which is calculated by the kernel function of the object vectors in the input space, is applied as a similarity measure. The algorithm uses an ant movement model in which each object is viewed as an ant. The ant determines its movement according to the fitness of its local neighbourhood. The proposed algorithm incorporates the merits of kernel-based clustering into ant-based clustering. Comparisons with other classic algorithms using several synthetic and real datasets demonstrate that ACK method exhibits high performance in terms of efficiency and clustering quality.
چکیده
در این مقاله یک الگوریتم خوشه بندی جدید مبتنی بر مورچه با استفاده از روش هسته ای پیشنهاد شده است. دو جنبه برای یکپارچگی وجود دارد. جنبه اول، تجزیه و تحلیل مولفه های اصلی هسته ای (KPCA) است. این فرآیند زمانی که الگوریتم در ابتدا اجرا میشود، .برای اصلاح تصویر کردن تصادفی شی به کار گرفته میشود. این تصویر سازی میتواند خوشه هایی ناهمگن ایجاد کند و کارایی الگوریتم را بهبود دهد. جنبه دوم، خوشه بندی مبتنی بر مورچه به جای انجام شدن در فضای ورودی در فضای مشخصه ای انجام میشود. فاصله بین اشیاء در فضای مشخصه، که توسط تابع هسته ای بردار شی، در فضای ورودی محاسبه میشود، بعنوان معيار تشابه استفاده میشود. الگوریتم پیشنهادی از مدل حرکات مورچه ها استفاده میکند که در آن هر شی بعنوان یک مورچه در نظر گرفته میشود. تشخیص حرکات مورچه مطابق تابع برازندگی در همسایگی محلی آن انجام میشود. الگوریتم پیشنهادی، ماهیت خوشه بندی مبتنی بر هسته را با الگوریتم مبتنی بر خوشه در هم می آمیزد. مقایسه روش پیشنهادی با سایر الگوریتم های کلاسیک با استفاده از مجموعه داده های واقعی و ترکیبی نشان میدهد که روش ACK کارایی و کیفیت خوشه بندی خوبی ارائه میدهد.

