کاربرد الگوریتم K-Means مورچه در تجزیه و تحلیل خوشه بندی
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 :14
بازدید روز گذشته :71
بازدید این هفته :183
بازدید این ماه :1969
مجموع آمار بازدید ها :785943

عنوان محصول: کاربرد الگوریتم K-Means مورچه در تجزیه و تحلیل خوشه بندی

دسته‌بندی: مقالات ترجمه شده رشته کامپیوتر
تاریخ انتشار: پنج شنبه 20 آبان 1395
کاربرد الگوریتم K-Means مورچه در تجزیه و تحلیل خوشه بندی کاربرد الگوریتم K-Means مورچه در تجزیه و تحلیل خوشه بندی
توضیحات مختصر: این مقاله در نظر دارد یک روش جدید خوشه بندی را با عنوان الگوریتم خوشه بندی K-means مورچه(AK) ، بیان کند. الگوریتم AK، روش K-means را به صورت تعیین مکان اشیاء در یک خوشه با احتمالی که توسط فرمون تعیین میشود، تغییر میدهد و قوانین به روز رسانی فرمون بر حسب کل واریانس خوشه، تعیین میشود(TWCV). نتایج محاس...
کاربرد الگوریتم K-Means مورچه در تجزیه و تحلیل خوشه بندی کاربرد الگوریتم K-Means مورچه در تجزیه و تحلیل خوشه بندی


قیمت قیمت : 35000 تومان
تخفیف تخفیف: 8000 تومان
تخفیف تخفیف ویژه : 10 درصد
قیمت نهایی قیمت نهایی: 23500 تومان
618 بازدید
کد مقاله: TTC- 3117
نوع فایل : docx
لینک دانلود فایل خریداری شده بلافاصله بعد از خرید موفق فعال خواهد شد.
Journal: Elsevier

Application of Ant K-Means on Clustering Analysis
Abstract
This paper intends to propose a novel clustering method, ant K-means (AK) algorithm. AK algorithm modifies the K-means as locating the objects in a cluster with the probability, which is updated by the pheromone, while the rule of updating pheromone is according to total within cluster variance (TWCV). The computational results showed that it is better than the other two methods, self-organizing feature map (SOM) followed by K-means method and SOM followed by genetic K-means algorithm via 243 data sets generated by Monte Carlo simulation. To further testify this novel method, the questionnaire survey data for the plasma television market segmentation is employed. The results also indicated that the proposed method is the best among these three methods based on TWCV.
Keywords: Data mining; Clustering analysis; Ant colony optimization

چکیده
این مقاله در نظر دارد یک روش جدید خوشه بندی را با عنوان الگوریتم خوشه بندی K-means مورچه(AK) ، بیان کند. الگوریتم AK، روش K-means را به صورت تعیین مکان اشیاء در یک خوشه با احتمالی که توسط فرمون تعیین میشود، تغییر میدهد و قوانین به روز رسانی فرمون بر حسب کل واریانس خوشه، تعیین میشود(TWCV). نتایج محاسباتی نشان میدهد که، این روش بهتر از دو روش نقشه ویژگی های خود سازمان ده(SOM) منطبق بر روش K-means و نقشه ویژگی های خود سازمان ده(SOM) منطبق بر روش ژنتیک K-means است که با 243 مجموعه داده تولید شده بوسیله شبیه سازی مونت کارلو، ایجاد شده اند. برای آزمایش این روش جدید، برسشنامه بررسی داده ها، برای تقسیم بندی بازار تلویزیون پلاسما، استفاده شده است. نتایچ نشان میدهد که، روش پیشنهادی بهتر ازسه روش مبتنی بر TWCV، عمل میکند.
کلمات کلیدی: داده کاوی، تجزیه و تحلیل خوشه بندی، بهینه سازی خوشه بندی

تعداد صفحات انگلیسی تعداد صفحات انگلیسی:16 صفحه
تعداد صفحات فارسی تعداد صفحات فـارسـی:23 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.