مقاله ترجمه شده خوشه بندی ممتیک بر اساس بهینه ساز ازدحام ذرات

چکیده

این مقاله یک الگوریتم خوشه بندی ممتیک کارآمد (MCA) برای خوشه بندی بر اساس بهینه ساز ازدحام ذرات (PSO) و K-means پیشنهاد می کند . PSO به ویژه به عنوان یک جستجوی کلی به کار می رود تا کاوش سریع مراکز خوشه ی کاندید را ممکن سازد . PSO توانایی زیادی برای یافتن راه حل هایی با کیفیت بالا دارد ولی این مشکل را دارد که وقتی ازدحام به حالت بهینه نزدیک می شود به صورت آهسته همگرا می گردد . K-means که برای راه حل های بهینه به همگرایی سریع دست می یابد به عنوان جستجوی محلی برای تنظیم دقیق راه حل های PSO در چارچوب الگوریتم ممتیک به کار می رود . عملکرد MCA در چهار مجموعه داده ی ترکیبی و سه مجموعه داده ی بیان ژن با ابعاد زیاد ارزیابی می گردد . مطالعه ی مقایسه ای K-means ، PSO و PSO-KM (ترکیب PSO و K-means) نشان می دهد که MCA قادر است با در نظر گرفتن مزایای PSO و K-means ،  مراکز خوشه را دقیق تر و استوارتر از سایر الگوریتم های همتای دیگر شناسایی کند  .

جهت سفارش لطفا اطلاعات زير را تکميل نماييد :



پرداخت با کیف پول