روشی جدید در خوشه بندی اطلاعات با استفاده ازترکیب الگوریتم کشورها
 

بخشهای خلاصه شده ای از متن پایان نامه:
روشی جدید در خوشه بندی اطلاعات با استفاده ازترکیب الگوریتم کشورهای استعماری و k-means -


خانم الهه طاهریان فرد، در پایان نامه کارشانسی ارشد خود در دانشگاه شیراز زیر نظر دکتر نیکنام و دکتر روستا، با ترکیب الگوریتم رقابت استعماری و روش k-means، روش جدید و کارآمدی برای خوشه یابی (کلاسترینگ - Clustering)، معرفی کرده است. نتایج حاصل از این کار پژوهشی در قالب چندین مقاله در معتبرترین ژورنالهای مرتبط با این حوزه منتشر شده اند.

آشنايي بيشتر با مولف:
الهه طاهریان فرد
فارغ التحصیل کارشناسی ارشد دانشگاه شیراز
اطلاعات تکمیلی در پروفایل علمی ایشان موجود است. این لینک (+) را ببینید.
تماس با ایمیل نگارنده، جهت کسب اطلاعات بیشتر و اخذ راهنمایی: taherianfard@ieee.org


چکیده
امروزه، خوشه بندی نقش مهی را در اغلب زمینه‌های تحقیقاتی مانند مهندسی، پزشکی، زیست‌شناسی، داده کاوی و... ایفا می‌نماید. در واقع خوشـه بندی به معنای تقسیم بندی بدون نظارت می‌ باشد؛ با استفاده از آن داده‌ها به دسته‌هایی که از نظر پارامـترهای مورد علاقه، شباهـت بیشتری به یکدیگر دارند، تقسـیم می‌گردند. یکی از روش‌های معـروف در این زمینه k-means می‌باشد؛ که علی رغم وابستگی به شرایط اولیه وهمگرائی به نقاط بهیـــنه محلی، تعداد N داده را به k خوشه با سرعت بالا، دسته بندی می‌نماید. در این رساله جهت رفع مشکلات موجود از روش ترکیبی مبتنی بر الگوریتم رقابت کشــــورهای استعماری و k-means بهره گرفته خواهد شد؛ که علاوه بر رفع مشکلات ذکر شده، مستقل از تعداد متغیر‌ها نیز خواهد بود. در این رساله به منظور اعتبارسنجی، روش پیشنهادی بر روی چندین داده متفاوت مشهور پیاده سازی می‌گردد و نتــایج با روش‌های الگوریتم ژنتیک، مورچگان، اجتماع ذرات، جفت گیری زنبور عسل، آبکاری فولاد و k-means مقایسه خواهد گردید. توانایی بالا و مقاوم بودن این روش بر اساس نتایج مشهود خواهد بود.

منبع اين مطلب: روشی جدید در خوشه بندی اطلاعات با استفاده ازترکیب الگوریتم کشورها