کد مقاله کد نشریه سال انتشار مقاله انگلیسی نسخه تمام متن
411569 679573 2016 6 صفحه PDF دانلود رایگان
عنوان انگلیسی مقاله ISI
Kernel-based fuzzy c-means clustering algorithm based on genetic algorithm
ترجمه فارسی عنوان
الگوریتم خوشه بندی ابزارهای c فازی مبتنی بر هسته بر اساس الگوریتم ژنتیک
کلمات کلیدی
خوشه بندی فازی، خوشه بندی ابزارهای c فازی، ابزارهای c فازی مبتنی بر هسته، الگوریتم ژنتیک
فهرست مطالب مقاله
چکیده

کلمات کلیدی

1.مقدمه

1.1. پس زمینه الگوریتم خوشه بندی

1.2. پس زمینه الگوریتم ژنتیک

2. الگوریتم خوشه بندی

2.1. الگوریتم خوشه بندی فازی

2.2. الگوریتم خوشه بندی فازی مبتنی بر هسته

3. الگوریتم ژنتیک

3.1. الگوریتم ژنتیک

شکل 1. فلوچارت GA. 

3.2. الگوریتم GAKFCM

4. نتایج تجربی

شکل 2. نرخ صحیح سه الگوریتم با استفاده از پایگاه داده IRIS و پایگاه داده WINE.

شکل 3. زمان اجرای سه الگوریتم با استفاده از پایگاه داده IRIS و پایگاه داده WINE.

جدول 1. توزیع مجموعه داده آموزش و آزمون.

جدول 2. نتیجه بر اساس سه الگوریتم.

شکل 4. دقت سه الگوریتم.

شکل 5. یادآوری سه الگوریتم.

جدول 3. چهار نتیجه جدول احتمال توسط طبقه بندی.

5. نتیجه گیری
ترجمه چکیده
الگوریتم خوشه بندی ابزارهای c فازی (FCM) روشی است که غالبا در تشخیص الگو استفاده می شود. این روش دارای مزیت دادن نتایج مدل سازی خوب در بسیاری از موارد است، اگر چه، خودش قادر به مشخص کردن تعداد خوشه ها نیست. با هدف قرار دادن مشکلات موجود در الگوریتم خوشه بندی FCM، ابزارهای c فازی مبتنی بر هسته (KFCM) الگوریتم خوشه بندی است که برای بهینه سازی ابزارهای c فازی خوشه بندی بر اساس بهینه سازی الگوریتم ژنتیک (GA) که ترکیب بهبود الگوریتم ژنتیک و تکنیک هسته (GAKFCM) است ارائه شده است. در این الگوریتم، در مرحله اول الگوریتم ژنتیک تطبیقی بهبود یافته برای بهینه سازی مرکز خوشه بندی اولیه استفاده شده است، و سپس الگوریتم KFCM برای هدایت طبقه بندی استفاده شده است، به طوری که عملکرد خوشه بندی الگوریتم FCM بهبود یابد. در این مقاله، نرم افزار Matlab برای تحقق شبیه سازی استفاده شده است و عملکرد الگوریتم FCM، الگوریتم KFCM و الگوریتم GAKFCM توسط مجموعه داده آزمون مورد اثبات قرار گرفته است. نتایج نشان داد که الگوریتم GAKFCM پیشنهاد داده شده به طور موثر بر نقایص FCM غلبه می کند و عملکرد خوشه بندی را تا حد زیادی بهبود می دهد.
موضوعات مرتبط
مهندسی و علوم پایه مهندسی کامپیوتر هوش مصنوعی
چکیده انگلیسی

Fuzzy c-means clustering algorithm (FCM) is a method that is frequently used in pattern recognition. It has the advantage of giving good modeling results in many cases, although, it is not capable of specifying the number of clusters by itself. Aimed at the problems existed in the FCM clustering algorithm, a kernel-based fuzzy c-means (KFCM) is clustering algorithm is proposed to optimize fuzzy c-means clustering, based on the Genetic Algorithm (GA) optimization which is combined of the improved genetic algorithm and the kernel technique (GAKFCM). In this algorithm, the improved adaptive genetic algorithm is used to optimize the initial clustering center firstly, and then the KFCM algorithm is availed to guide the categorization, so as to improve the clustering performance of the FCM algorithm. In the paper, Matlab is used to realize the simulation, and the performance of FCM algorithm, KFCM algorithm and GAKFCM algorithm is testified by test datasets. The results proved that the GAKFCM algorithm proposed overcomes FCM׳s defects efficiently and improves the clustering performance greatly.

ناشر
Database: Elsevier - ScienceDirect (ساینس دایرکت)
Journal: Neurocomputing - Volume 188, 5 May 2016, Pages 233–238
نویسندگان
, ,