کد مقاله | کد نشریه | سال انتشار | مقاله انگلیسی | نسخه تمام متن |
---|---|---|---|---|
4944359 | 1437984 | 2017 | 7 صفحه PDF | دانلود رایگان |
عنوان انگلیسی مقاله ISI
Less is more: basic variable neighborhood search heuristic for balanced minimum sum-of-squares clustering
ترجمه فارسی عنوان
کمتر بیشتر است: متغیر اساسی متغیر جستجوی اکتشافی برای جمع آوری حداقل مقادیر مجموع مربعات متعادل
دانلود مقاله + سفارش ترجمه
دانلود مقاله ISI انگلیسی
رایگان برای ایرانیان
کلمات کلیدی
خوشه بندی متعادل حداقل جمع از مربع، بهینه سازی،
موضوعات مرتبط
مهندسی و علوم پایه
مهندسی کامپیوتر
هوش مصنوعی
چکیده انگلیسی
Clustering addresses the problem of finding homogeneous and well-separated subsets, called clusters, from a set of given data points. In addition to the points themselves, in many applications, there may exist constraints regarding the size of the clusters to be found. Particularly in balanced clustering, these constraints impose that the entities be equally spread among the different clusters. In this work, we present a basic variable neighborhood search heuristic for balanced minimum sum-of-squares clustering, following the recently proposed “Less Is More Approach”. Computational experiments and statistical tests show that the proposed algorithm outperforms the current state-of-the-art algorithm for the problem, indicating that non sophisticated and easy to implement metaheuristic methods can be sufficient to produce successful results in practice.
ناشر
Database: Elsevier - ScienceDirect (ساینس دایرکت)
Journal: Information Sciences - Volumes 415â416, November 2017, Pages 247-253
Journal: Information Sciences - Volumes 415â416, November 2017, Pages 247-253
نویسندگان
Leandro R. Costa, Daniel Aloise, Nenad MladenoviÄ,