خوشه بندی خودکار داده های مختلط با استفاده از الگوریتم ژنتیک

توجه : به همراه فایل word این محصول فایل پاورپوینت (PowerPoint) و اسلاید های آن به صورت هدیه ارائه خواهد شد

 خوشه بندی خودکار داده های مختلط با استفاده از الگوریتم ژنتیک دارای ۱۳ صفحه می باشد و دارای تنظیمات در microsoft word می باشد و آماده پرینت یا چاپ است

فایل ورد خوشه بندی خودکار داده های مختلط با استفاده از الگوریتم ژنتیک  کاملا فرمت بندی و تنظیم شده در استاندارد دانشگاه  و مراکز دولتی می باشد.

توجه : در صورت  مشاهده  بهم ریختگی احتمالی در متون زیر ،دلیل ان کپی کردن این مطالب از داخل فایل ورد می باشد و در فایل اصلی خوشه بندی خودکار داده های مختلط با استفاده از الگوریتم ژنتیک،به هیچ وجه بهم ریختگی وجود ندارد

بخشی از متن خوشه بندی خودکار داده های مختلط با استفاده از الگوریتم ژنتیک :

نام کنفرانس، همایش یا نشریه : نشریه بین المللی مهندسی صنایع و مدیریت تولید (فارسی)(نشریه بین المللی علوم مهندسی)

تعداد صفحات :۱۳

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 خوشه بندی در دنیای واقعی، اغلب با مجموعه داده هایی مواجهیم که از ترکیبی از مقادیر عددی و دسته ای تشکیل شده اند. در حالیکه اغلب روشهای خوشه بندی موجود تنها بر روی داده های عددی از کارایی مناسبی برخوردارند و قابلیت استفاده بر روی داده های مختلط را ندارند. از سوی دیگر، بیشتر روشهای سنتی، تعداد خوشه ها را به عنوان ورودی از کاربر طلب می کنند. در حالیکه در بیشتر موارد تعداد خوشه ها برای کاربر مقداری نامعلوم است و حدس زدن مقدار آن نیز به خصوص در مورد مجموعه داده های بزرگ کاری مشکل و حتی غیرممکن است. در این مقاله قصد داریم تا با بهره گیری از روشی دقیق تر جهت اندازه گیری فاصله میان مقادیر دسته ای، روش جدیدی را برای خوشه بندی داده های مختلط ارائه نماییم که نیازی به تعیین تعداد خوشه ها به عنوان ورودی الگوریتم نداشته و قادر است همزمان با خوشه بندی داده ها، مقدار بهینه برای تعداد خوشه ها 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 می شود. برای ارزیابی عملکرد الگوریتم از دو گروه از داده های استاندارد و شبیه سازی شده استفاده شده است. نتایج بدست آمده، عملکرد بسیار بالای الگوریتم پیشنهادی را نشان می دهد.

کلید واژه: داده کاوی، خوشه بندی، داده های مختلط، الگوریتم ژنتیک، شاخص Davies-Bouldin