دانلودمقاله باموضوع تجزیه و تحلیل خوشه ای بهینه با استفاده از ترکیبی K-Means و Ant Lion
در قالب pdf و در 14 اسلاید،قابل ویرایش، شامل:
موضوع به انگلیسی:Optimal cluster analysis using hybrid K-Means and Ant Lion
Optimizer
بخشی از متن:K-Means یک روش تجزیه و تحلیل خوشه ای محبوب است که هدف آن تقسیم تعدادی از نقاط داده به خوشه های K است. بوده است
با موفقیت برای تعدادی از مشکلات اعمال شد. با این حال، کارایی K-Means به مقداردهی اولیه آن در مراکز خوشه بستگی دارد.
تکنیک‌های مختلف هوش ازدحام برای مشکل خوشه‌بندی برای افزایش عملکرد استفاده می‌شود. در این کار ترکیبی
رویکرد خوشه‌بندی مبتنی بر K-means و بهینه‌سازی شیر مورچه برای تحلیل خوشه‌ای بهینه در نظر گرفته شده است. شیر مورچه
بهینه سازی (ALO) یک مدل بهینه سازی جهانی تصادفی است. عملکرد الگوریتم پیشنهادی در مقایسه با
عملکرد روش های خوشه بندی K-Means، KMeans-PSO، KMeans-FA، DBSCAN و تجدید نظر شده DBSCAN بر اساس روش های مختلف
معیارهای عملکرد. آزمایش بر روی هشت مجموعه داده انجام شده است که تجزیه و تحلیل آماری برای آنها انجام شده است. به دست آمده
نتایج نشان می دهد که ترکیبی از روش بهینه سازی K-Means و Ant Lion ترجیحا بهتر از سه روش دیگر عمل می کند.
الگوریتم ها بر حسب مجموع فواصل درون خوشه ای و اندازه گیری F
