ارائه روشی جدید در خوشه بندی اطلاعات با استفاده ازترکیب الگوریتم خفاش و Fuzzy c- means

خوشه ­بندی قرار دادن داده­ها در گروه­ هایی است که اعضای هر گروه از زاویه خاصی به هم شباهت دارند .  شباهت بین داده­ های درون هر خوشه حداکثر و شباهت بین داده ­­های درون خوشه­ های متفاوت حداقل می­باشد.Fuzzy c-means نیز یک تکنیک خوشه­ بندی فازی است که علی­رغم حساس بودن به مقدار دهی اولیه و همگرائی به نقاط بهیـــنه محلی ، به دلیل کارآمد بودن و پیاده سازی آسان، یکی از متداول­ترین روش­ها می­باشد. در این رساله جهت رفع مشکلات موجود از روش ترکیبی مبتنی بر الگوریتم خفاش و Fuzzy c-means بهره گرفته ­خواهد ­شد. به منظور اعتبارسنجی، روش پیشنهادی بر روی چندین داده متفاوت مشهور پیاده ­سازی می­گردد و نتــایج با روش­های الگوریتم­ جستجوی ممنوع، مورچگان، اجتماع ذرات، آبکاری فولاد و k-means مقایسه خواهد­گردید. توانایی بالا و مقاوم بودن این روش بر اساس نتایج مشهود خواهد بود.

نوع فایل :word 

تعداد صفحات :۱۲۱

 فصل اول: مقدمه

بیان مسأله

پیشینه تحقیق

هدف تحقیق

اهمیت تحقیق

گفتارهای پایان نامه

 فصل دوم: خوشه بندی بر مبنای الگوریتم Fuzzy cmeans

مقدمه

خوشه بندی اطلاعات

تفاوت خوشه­بندی و طبفه­بندی

کاربردهای خوشه­بندی

انواع خوشه­ها

مراحل خوشه بندی

انواع روش های خوشه بندی

خوشه بندی سلسله مراتبی

خوشه بندی سلسله مراتبی تقسیم شونده

خوشه بندی سلسله مراتبی متراکم شونده

خوشه بندی افراز­بندی یا پارتیشنی

الگوریتم kmeans

خوشه بندی همپوشانی

خوشه بندی فازی

 فصل سوم: بهینه سازی بر مبنای الگوریتم خفاش

مقدمه

شرح مسئله بهینه سازی

روش های حل مسائل بهینه سازی

الگوریتم بهینه­سازی توده ذرات

الگوریتم جفت گیری زنبور عسل

الگوریتم مورچگان

الگوریتم الگوی جستجوی ممنوع

الگوریتم آبکاری فولاد

الگوریتم خفاش

راه­ حلهای پیشنهادی برای بهبود عملکرد الگوریتم خفاش

انتخاب جمعیت اولیه بر اساس قاعده نولید عدد متضاد

استراتژی جهش خود تطبیق

معیارهای مقایسه الگوریتمهای بهینه­سازی

کارایی

انحراف استاندارد

قابلیت اعتماد

سرعت همگرایی

تعریف مسایل عددی گوناگون

تابع Rosenbrock

تابع Schewefel

تابع Rastragin

تابعAchley

تابع Greiwank

 فصل چهارم: الگوریتم پیشنهادی

مقدمه

خوشه بندی اطلاعات به روش ترکیبی پیشنهادی

تنظیم پارامترهای الگوریتم پیشنهادی

بررسی نتایج حاصل از الگوریتم پیشنهادی و مقایسه آن با دیگر الگوریتم ها

معرفی داده های استفاده شده و نتایج شبیه سازی مربوط به آن

مجموعه داده Iris

مجموعه داده Wine

مجموعه داده CMC

مجموعه داده Vowel

 فصل پنجم: نتیجه گیری و پیشنهادات

نتیجه

پیشنهاد کارهای آینده