دانلود مقاله کنفرانسی فارسی:بهینه سازی یک الگوریتم  خوشه بندی با کمک اتوماتای یادگیر سلولی - 1395

دانلود بهترین مقالات isi همراه با ترجمه فارسی

کارابرن عزیز، مقالات isi بالاترین کیفیت ترجمه را دارند، ترجمه آنها کامل و دقیق می باشد (محتوای جداول و شکل های نیز ترجمه شده اند) و از بهترین مجلات isi انتخاب گردیده اند. همچنین تمامی ترجمه ها دارای ضمانت کیفیت بوده و در صورت عدم رضایت کاربر مبلغ عینا عودت داده خواهد شد.

پشتیبانی
اپلیکشن اندروید
آرشیو مقالات
ورود اعضا
توجه توجه توجه !!!!
تمامی مقالات ترجمه شده ، انگلیسی و کتاب های این سایت با دقت تمام انتخاب شده اند. در انتخاب مقالات و کتاب ها پارامترهای جدید بودن، پر جستجو بودن، درخواست کاربران ، تعداد صفحات و ... لحاظ گردیده است. سعی بر این بوده بهترین مقالات در هر زمینه انتخاب و در اختیار شما کاربران عزیز قرار گیرد. ضمانت ما، کیفیت ماست.
نرم افزار winrar

از نرم افزار winrar برای باز کردن فایل های فشرده استفاده می شود. برای دانلود آن بر روی لینک زیر کلیک کنید
دانلود

پیوندهای کاربردی
پیوندهای مرتبط
مقالات کنفرانسی فارسی یادگیری ماشین
  • بهینه سازی یک الگوریتم خوشه بندی با کمک اتوماتای یادگیر سلولی

    سال انتشار:

    1395


    عنوان:

    بهینه سازی یک الگوریتم خوشه بندی با کمک اتوماتای یادگیر سلولی


    منبع:

    اولین کنفرانس بین المللی چشم انداز های نو در مهندسی برق و کامپیوتر


    نویسنده:

    هومن قوامی ،حمید میروزیری


    چکیده فارسی:

    امروزه با حجم وسیعی از اطلاعات مواجه هستیم که باید ان ها را ذخیره سازی یا نمایش دهیم .یکی از روش های مهم و ضروری در کنترل و مدیریت این داده ها خوشه بندی یا گروه بندی داده ها با ویژگی های مشابه درون مجموعه ای دسته ها یا خوشه ها است.خوشه بندی داده ها از جمله روش های بدون ناظر هستند که وظزیفه کاوش الگوهای پنهان در داده های بدون برچسب را بر عهده دارد .الگوریتم های خوشه بندی بر مجموعه ای الگوها اعمال می شوند تا الگوهای ورودی را به چندین خوشه (گروه ) تقسیم کنند به نحوی که الگوهایی که درون یک خوشه قرار داده می شوند با یکدیگر شبیه و با اعضای خوشه های دیگر متفاوت باشند .به عبارت دیگر خوشه بندی مطلوب،خوشه بندی است که واریانس درونی خوشه ها در ان حداقل و واریانس بین خوشه ها در ان حداکثر باشد .به خاطر پیچیدگی پارامترهای متعدد مسئله و ضعف روش های خوشه بندی امروز بیشتر تحقیقات به سمت روش های خوشه بندی تکاملی پیش رفته است .ولی مشکل اصلی روش های تکاملی زمان بر بودن این روش ها در همگرایی به جواب نهایی و امکان گیر کردن جواب ها در نقاط بهینه محلی است. ایده اصلی در این مقاله این است که برای بهره گیری از ویژگی های روش های تکاملی و حل مشکلات فوق و استفاده از روش اتوماتای یادگیر سلولی ،خوشه بندی الگوریتمK-Means را بهینه نماییم.در این مقاله ابتدا به تعریف خوشه بندی پرداخته و سپس روشی برای خوشه بندی بر پایه الگوریتم بهینه سازیK-Means و اتوماتای یادگیری سلولی و الگوریتم ژنتیک ارائه می دهیم. در نهایت روش مذکور را بر روی پایگاه داده Irisو CancerوGlass،ارائه کرده و نتایج ان را با روش های دیگر مقایسه می نماییم نتایج نشان می دهد که روش پیشنهادی از لحاظ دقت در خوشه بندی دادگان تولید شده نسبت به الگوریتم سنتی خوشه بندی K-Meansبهتر عمل میکند
    کلمات کلیدی :خوشه بندی ،اتوماتای یادگیری سلولی، K-Means،الگوریتم ژنتیک


    سطح: متوسط
    تعداد صفحات فایل pdf : 18
    حجم فایل: 616 کیلوبایت

    قیمت: 2500 تومان


    توضیحات اضافی:


    کاربر عزیز در صورتی که شما نویسنده این مقاله هستید و تمایل دارید مقاله شما از سایت حذف شود و یا به صورت رایگان در اختیار کاربران قرار گیرد از طریق بخش ارتباط با ما اطلاع دهید تا خواسته شما انجام شود


اگر این مقاله را پسندیدید آن را در شبکه های اجتماعی به اشتراک بگذارید (برای به اشتراک گذاری بر روی ایکن های زیر کلیک کنید)

این مقاله را در فیس بوک به اشتراک بگذارید این مقاله را در توییتر به اشتراک بگذارید این مقاله را در لینکداین به اشتراک بگذارید این مقاله را در گوگل پلاس به اشتراک بگذارید این مقاله را در زینگ به اشتراک بگذارید این مقاله را در تلگرام به اشتراک بگذارید

تعداد نظرات : 0

الزامی
الزامی
الزامی
یادگیری-ماشین
موضوعات
footer