1. به كارگيري روش هاي خوشه بندي در ريزآرايه dna
2. يك روش تركيبي مبتني بر خوشه بندي براي حل مساله فروشنده دوره گرد با مقياس بزرگ
3. ارائه روشي جديد مبتني بر الگوريتم K-Means براي حل مسئلة خوشه بندي توزيع شده
4. ارائه يك الگوريتم K-means بهبوديافته به كمك مفاهيم پاداش
5. ارایه یک الگوریتم K-means چند سطحی جهت کاهش اثرات نویز در محیط های مستعد خطا با استفاده از خوش نامی منابع
6. ارائه روش تركيبي مبتني بر الگوريتم hits و تشخيص آنومالي براي كشف ماشينهاي ارسال كننده هرزنامه در يك شبكه هدف
7. بهبود روش خوشه بندي مورچه اي به كمك اتوماتاهاي يادگير
8. اسلايدي از خوشه بندي ساختار وب
9. تکنيک هاي خوشه بندي
10. به كارگيري خوشه بندي فازي در ريزآرايه dna
11. كاهش بعد تصاوير فراطيفي از طريق خوشه بندي فازي باندها
12. تجزيه و تحليل فضايي خوشه بندي بر اساس الگوريتم ژنتيك
13. شناسايي مدولاسيونهاي خانواده qam از روي منظومه آن براساس انطباق الگو و بكارگيري الگوريتم خوشه بندي ttsas
14. يافتن بهينهترين تعداد خوشهها در پايگاه تصوير با تركيب شبكههاي خودسازمانده و روش k-means
15. کاربرد الگوریتم های خوشه بندی در تشخیص توزیع بهینه برنامه های محاسباتی شی گراء در سطح شبکه های همگون اختصاصی
16. يک روش ترکيبي مبتني بر خوشه بندي براي حل مساله فروشنده دوره گرد با مقياس بزرگ
17. آشنايي با روشهاي خوشهبندي
18. خلاصه سازي چند سندي متون فارسي با استفاده از يك روش مبتني بر خوشه بندي
19. خوشه بندی ترکيبی با استفاده از يک فضای ويژگی جديد
20. كاربرد خوشه سازي فازي در پهنه بندي فرسايشي: مطالعه موردي
21.يك الگوريتم خوشه بندي مبتني بر اتوماتاي يادگير سلولي
يك روش تركيبي مبتني بر خوشه بندي براي حل مساله فروشنده دوره گرد با مقياس بزرگ
يك روش تركيبي مبتني بر خوشه بندي براي حل مساله فروشنده دوره گرد با مقياس بزرگ
خلاصه مقاله:
يكي از مسائل بسيار مهم در تئوري گراف ها، مساله فروشنده دوره گرد مي باشد كه يك مساله NP-Complete است. اكثر مسائلي كه مي توان انها را با مساله فروشنده دوره گرد مدل كرد، داراي مقياس خيلي بزرگ هستند كه الگوريتم هاي موجود قادر به حل انها در يك زمان قابل قبول نيستند. آتوماتاهاي يادگير و الگوريتم هاي ژنتيكي هر دو از ابزارهاي جستجو مي باشند كه براي حل بسياري از مسائل NP-Complete بكار برده ميشوند. در اين مقاله يك الگوريتم تركيبي (الگوريتم ژنتيك + آتوماتاي يادگير) مبتني بر خوشه چيني براي حل مساله فروشنده دوره گرد با مقياس بزرگ پيشنهاد شده است. اين الگوريتم ابتدا با استفاده از تكنيك خوشه بندي، مساله اصلي را به چند زير مساله با مقياس كوچك افراز كرده و سپس از دو روش الگوريتم هاي ژنتيكي و اتوماتاي يادگيري بطور همزمان براي جستجو در فضاي حالت و حل هر زير مساله استفاده مي نمايد، نشان داده شده است كه با استفاده همزمان از آتوماتاي يادگير و الگوريتم ژنتيك در فرايند جستجو، سرعت رسيدن به جواب افزايش چشمگيري پيدا ميكند و همچنين از بدام افتادن الگوريتم در حداقل هاي محلي جلوگيري مي نمايد. نتايج آزمايش ها، برتري الگوريتم تركيبي را نسبت به الگوريتم ژنتيكي و آتوماتاهاي يادگير نشان ميدهد و همچنين با استفاده از تكنيك خوشه بندي و اجراي الگوريتم تركيبي بطور همزمان بر روي هر خوشه – با يك سيستم چند پردازنده اي – مي توان زمان لازم براي حل مساله را به حداقل مقدار ممكن كاهش داد.
ارائه يك الگوريتم K-means بهبوديافته به كمك مفاهيم پاداش
ارائه يك الگوريتم K-means بهبوديافته به كمك مفاهيم پاداش
خلاصه مقاله:
خوشهبندي يك روش دستهبنديكردن داده براساس شباهت ميباشد . الگوريتم خوشهبندي K-means نسبت به نويز بسيار حساس است زيرا كه ميزان تاثير نويز و داده هاي واقعي، يكسان مي باشد و اين برمحاسبات خوشه ها و مراكز آن ها تاثيرگذار است و دقت آن ها را كاهش مي دهد. در نتيجه اين الگوريتم در محيط هايي كه مستعد نويز هستند غيرقابل اعمال بوده و در صورت اعمال ، نتايج آن قابل اعتماد نيست . ازطرفي K-means بسيار ساده و داراي سرعت بالايي مي باشد . روش پيشنهادي ماازاين الگوريتم در محيطهايي كه مستعد توليد مقدار قابل توجهي نويز و برون هشت است استفاده كرده و با دقت بالايي عمل خوشه بندي را انجام دهد . با استفاده ازيك الگوريتمK-means وزن گذاري شده چندسطحي كه اين وزن ، ميزان اعتباروخوش نامي منبع توليدكننده آن داده است، اثرنويزراكم ودربرخي موارد اين اثرراكامل حذف مي نمايد . الگوريتم پيشنهادي، اولين الگوريتم بهبوديافته K-means مي باشد كه بادرنظرگرفتن ميزان شهرت و خوش نامي منبع توليدكننده داده به عنوان يك معيار اعتمادودرستي داده، عمل مي كند و درنتيجه داده هاي نويزدار و غيرقابل اعتماد را ازهمان ابتداوارد محاسبات الگوريتم ن مي كند وبه ميزان قابل توجهي ازسربارهاي محاسباتي الگوريتم كاسته شده ودرنهايت درافزايش سرعت الگوريتم تاثيرگذاراست . نتايج شبيه دهد .