خوشه بندی مورچه فازی با استفاده از مکان یابی مرکز ثقل
واتساپ:09141077352 همراه: 09141077352 ثابت: 35250068-041 سفارش سمینار و مقاله سفارش ترجمه تخصصی
 

دانلود فایل با شمار فاکتور

لطفا شماره فاکتور خود را درج نمایید


جدیدترین لغات واژه‌نامه

آمار بازدیدکنندگان

بازدید امروز :62
بازدید روز گذشته :133
بازدید این هفته :451
بازدید این ماه :2237
مجموع آمار بازدید ها :786211

عنوان محصول: خوشه بندی مورچه فازی با استفاده از مکان یابی مرکز ثقل

دسته‌بندی: مقالات ترجمه شده رشته کامپیوتر
تاریخ انتشار: پنج شنبه 20 آبان 1395
خوشه بندی مورچه فازی با استفاده از مکان یابی مرکز ثقل خوشه بندی مورچه فازی با استفاده از مکان یابی مرکز ثقل
توضیحات مختصر: در این مقاله یک الگوریتم مبتنی بر هوش جمعی برای خوشه بندی داده ها ارائه می¬شود. الگوریتم پیشنهادی از اصول بهینه سازی کلونی مورچه برای یافتن تفکیک خوب داده ها استفاده میکند. در مرحله اول الگوریتم، مورچه ها مرکز خوشه را به فضای مشخصه انتقال میدهند. مراکز خوشه یافته شده توسط مورچه ها، با استفاده از ضاب...
خوشه بندی مورچه فازی با استفاده از مکان یابی مرکز ثقل خوشه بندی مورچه فازی با استفاده از مکان یابی مرکز ثقل


قیمت قیمت : 28000 تومان
تخفیف تخفیف: 5000 تومان
تخفیف تخفیف ویژه : 10 درصد
قیمت نهایی قیمت نهایی: 20200 تومان
527 بازدید
کد مقاله: TTC- 3116
نوع فایل : docx
لینک دانلود فایل خریداری شده بلافاصله بعد از خرید موفق فعال خواهد شد.
Journal: IEEE

Fuzzy Ant Clustering by Centroid Positioning
Abstract
We present a swarm intelligence based algorithm for data clustering. The algorithm uses ant colony optimization principles to find good partitions of the data. In the first stage of the algorithm ants move the cluster centers in feature space. The cluster centers found by the ants are evaluated using a reformulated fuzzy c-means criterion. In the second stage the best cluster centers found are used as the initial cluster centers for the fuzzy c-means (FCM) algorithm. Results on 8 datasets show that the partitions found by FCM using the ant initialization are better optimized than those from randomly initialized FCM. Hard c-means was also used in the second stage and the partitions from the algorithm are better optimized than those from randomly initialized hard c-means.

چکیده
در این مقاله یک الگوریتم مبتنی بر هوش جمعی برای خوشه بندی داده ها ارائه می¬شود. الگوریتم پیشنهادی از اصول بهینه سازی کلونی مورچه برای یافتن تفکیک خوب داده ها استفاده میکند. در مرحله اول الگوریتم، مورچه ها مرکز خوشه را به فضای مشخصه انتقال میدهند. مراکز خوشه یافته شده توسط مورچه ها، با استفاده از ضابطه میانگین c فازی مجددا فرمول بندی شده ارزیابی میشود. در مرحله دوم بهترین مراکز خوشه یافت شده بعنوان مراکز خوشه ای اولیه برای الگوریتم میانگین c فازی(FCM) مورد استفاده قرار می گیرند. نتایج آزمایشات در8 دیتابیس نشان میدهد که تفکیک بندی یافت شده توسط FCM که از هوش دسته جمعی مورچه ها استفاده میکند، خیلی بهینه تر از FCM با مقدار دهی اولیه تصادفی است. میانگین C سخت در مرحله دوم نیز مورد استفاده قرار میگیرد، تفکیک بندی با استفاده از الگوریتم پیشنهادی خیلی بهینه تر از میانگین C سخت با مقدار دهی اولیه تصادفی است.
تعداد صفحات انگلیسی تعداد صفحات انگلیسی:6 صفحه
تعداد صفحات فارسی تعداد صفحات فـارسـی:13 صفحه

  • آدرس: تبریز، آبرسان، مهرگان چهارم
  • تلفن  تماس: 09016347107
  • تلفن  ثابت : 35250068-041
  •  Mailttcenterاین آدرس ایمیل توسط spambots حفاظت می شود. برای دیدن شما نیاز به جاوا اسکریپت دارید : آدرس  ایمیل
  • @zoodyab :آدرس تلگرام
مرکز  تخصصی  تلاش ترجمه از  سال  1385 شروع 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.

تمامی ترجمه‌های انجام شده توسط موسسه تخصصی تلاش ترجمه، به صورت دستی (غیرماشینی) بوده و توسط مترجمین با سابقه انجام می‌شوند. ترجمه‌های انجام شده توسط موسسه تلاش ترجمه در قالب فایل Word و به صورت کاملا روان و بازخوانی شده و با ضمانت بازگشت وجه 72 ساعته (در صورت عدم رضایت از ترجمه) خدمت مشتریان محترم ارائه می‌شود.