جلد 23، شماره 2 - ( 6-1391 )                   جلد 23 شماره 2 صفحات 197-187 | برگشت به فهرست نسخه ها

XML English Abstract Print


Download citation:
BibTeX | RIS | EndNote | Medlars | ProCite | Reference Manager | RefWorks
Send citation to:

Yaghini M, Vard M. Automatic Clustering of Mixed Data Using Genetic Algorithm. Journal title 2012; 23 (2) :187-197
URL: http://ijiepm.iust.ac.ir/article-1-880-fa.html
خوشه‌بندی خودکار داده‌های مختلط با استفاده از الگوریتم ژنتیک. عنوان نشریه. 1391; 23 (2) :187-197

URL: http://ijiepm.iust.ac.ir/article-1-880-fa.html


چکیده:   (9218 مشاهده)

مساله خوشه بندی به منظور کمینه کردن مجموع مجذور انحراف، یک مساله غیر خطی و غیر محدب بوده و دارای تعداد زیادی نقاط بهینه محلی است. در مسائل خوشه­بندی در دنیای واقعی، اغلب با مجموعه داده­هایی مواجهیم که از ترکیبی از مقادیر عددی و دسته­ای تشکیل شده­اند. در حالیکه اغلب روشهای خوشه­بندی موجود تنها بر روی داده­های عددی از کارایی مناسبی برخوردارند و قابلیت استفاده بر روی داده­های مختلط را ندارند. از سوی دیگر، بیشتر روشهای سنتی، تعداد خوشه­ها را به عنوان ورودی از کاربر طلب می­کنند. در حالیکه در بیشتر موارد تعداد خوشه­ها برای کاربر مقداری نامعلوم است و حدس زدن مقدار آن نیز به خصوص در مورد مجموعه داده­های بزرگ کاری مشکل و حتی غیرممکن است. در این مقاله قصد داریم تا با بهره­گیری از روشی دقیق­تر جهت اندازه­گیری فاصله میان مقادیر دسته­ای،  روش جدیدی را برای خوشه­بندی داده­های مختلط ارائه نماییم که نیازی به تعیین تعداد خوشه­ها به عنوان ورودی الگوریتم نداشته و  قادر است همزمان با خوشه­بندی داده ها، مقدار بهینه برای تعداد خوشه­ها را محاسبه نماید. در روش پیشنهادی معکوس شاخص Davies-Bouldin به عنوان تابع برازش در نظر گرفته شده و به منظور جستجوی فضای جواب از الگوریتم ژنتیک استفاده می­شود. برای ارزیابی عملکرد الگوریتم از دو گروه از داده های استاندارد و شبیه­سازی شده استفاده شده است. نتایج بدست آمده، عملکرد بسیار بالای الگوریتم پیشنهادی را نشان می­دهد

متن کامل [PDF 2921 kb]   (5166 دریافت)    
نوع مطالعه: پژوهشي | موضوع مقاله: سایر موضوعاتی که به مرزهای دانش در مهندسی صنایع و تولید کمک می کند
دریافت: 1391/5/1 | انتشار: 1391/5/25

ارسال نظر درباره این مقاله : نام کاربری یا پست الکترونیک شما:
CAPTCHA

بازنشر اطلاعات
Creative Commons License این مقاله تحت شرایط Creative Commons Attribution-NonCommercial 4.0 International License قابل بازنشر است.

کلیه حقوق این وب سایت متعلق به نشریه بین المللی مهندسی صنایع و مدیریت تولید می باشد.

طراحی و برنامه نویسی : یکتاوب افزار شرق