ترجمه مقاله خوشه بندی پویا با الگوریتم باینری کلونی زنبور عسل بهبود یافته - نشریه الزویر

قیمت خرید این محصول

۳۹,۰۰۰ تومان

دانلود رایگان نمونه دانلود مقاله انگلیسی

عنوان فارسی

خوشه بندی پویا با استفاده از الگوریتم باینری کلونی زنبور عسل بهبود یافته

عنوان انگلیسی

Dynamic clustering with improved binary artificial bee colony algorithm

صفحات مقاله فارسی

27

صفحات مقاله انگلیسی

12

سال انتشار

2015

نشریه

الزویر - Elsevier

فرمت مقاله انگلیسی

PDF

فرمت ترجمه مقاله

ورد تایپ شده

رفرنس

دارد

کد محصول

6610

وضعیت ترجمه عناوین تصاویر و جداول

ترجمه شده است

وضعیت ترجمه متون داخل تصاویر و جداول

ترجمه نشده است

وضعیت فرمولها و محاسبات در فایل ترجمه

به صورت عکس، درج شده است

رشته های مرتبط با این مقاله

مهندسی کامپیوتر

گرایش های مرتبط با این مقاله

مهندسی محاسبات و الگوریتم ها، مهندسی نرم افزار، رایانش ابری و هوش مصنوعی

مجله

کاربردی محاسبات نرم - Applied Soft Computing

دانشگاه

دانشگاه ارجیس، دانشکده مهندسی، گروه مهندسی کامپیوتر، ترکیه

کلمات کلیدی

بیومتریک، فوتوپلتیسموگرافی (PPG)، شناسایی، تقسیم بندی، مشتقات، استخراج ویژگی

فهرست مطالب

چکیده
1. مقدمه
2. الگوریتم کلونی زنبور مصنوعی
3. الگوریتم بهبود یافته ی باینری کلونی زنبور عسل مصنوعی (IDisABC)
4. 4.مسئله خوشه بندی
5. نتایج تجربی
6. جمع بندی

نمونه چکیده متن اصلی انگلیسی

Abstract

One of the most well-known binary (discrete) versions of the artificial bee colony algorithm is the similarity measure based discrete artificial bee colony, which was first proposed to deal with the uncapacited facility location (UFLP) problem. The discrete artificial bee colony simply depends on measuring the similarity between the binary vectors through Jaccard coefficient. Although it is accepted as one of the simple, novel and efficient binary variant of the artificial bee colony, the applied mechanism for generating new solutions concerning to the information of similarity between the solutions only consider one similarity case i.e. it does not handle all similarity cases. To cover this issue, new solution generation mechanism of the discrete artificial bee colony is enhanced using all similarity cases through the genetically inspired components. Furthermore, the superiority of the proposed algorithm is demonstrated by comparing it with the basic discrete artificial bee colony, binary particle swarm optimization, genetic algorithm in dynamic (automatic) clustering, in which the number of clusters is determined automatically i.e. it does not need to be specified in contrast to the classical techniques. Not only evolutionary computation based algorithms, but also classical approaches such as fuzzy C-means and K-means are employed to put forward the effectiveness of the proposed approach in clustering. The obtained results indicate that the discrete artificial bee colony with the enhanced solution generator component is able to reach more valuable solutions than the other algorithms in dynamic clustering, which is strongly accepted as one of the most difficult NP-hard problem by researchers.

نمونه چکیده ترجمه متن فارسی

چکیده
یکی از شناخته شده ترین نسخه¬های باینری (گسسته) الگوریتم کلونی زنبور مصنوعی، کلونی زنبور مصنوعی گسسته مبتنی بر اندازه گیری شباهت ها میباشد، که نخستین بار برای حل مسئله ی مکانیابی تسهیلات بدون ظرفیت (UFLP)، معرفی شده است. کلونی زنبور مصنوعی، مبتنی بر اندازه گیری شباهت بین بردار های باینری از طریق ضریب تشابه جاکارد، میباشد.هر چند الگوریتم باینری گسسته به عنوان یکی الگوریتم های ساده، جدید و کار آمد در نظر گرفته میشود حوزه الگوریتم های باینری کلونی زنبور عسل مصنوعی پذیرفته شده است، مکانیزم مورد استفاده برای تولید راه حل های جدید در مورد اطلاعات شباهت بین راه حل ها، تنها یک مورد شباهت را در نظر میگیرد، یعنی تمام موارد شباهت را بررسی نمیکند. برای رفع این موضوع، مکانیزم تولید راهکار جدیدی برای کلونی زنبور عصل مصنوعی گسسته ای توسعه یافته است که با استفاده از تمام ابعاد شباهت از طریق اجزای الهام گرفته ژنتیکی ارائه شده است. علاوه بر این، با انجام مقایسه الگوریتم پیشنهادی با الگوریمت هایی مانند کلونی زنبور عصل مصنوعی کلاسیک ، بهینه سازی باینری ازدحام ذرات، الگوریتم ژنتیک در دسته بندی پویا (خودکار) (که در آن تعداد خوشه ها به صورت خودکار تعیین میشود یعنی بر خلاف روش های قدیمی نیازی به تعیین تعداد خوشه ها نمیباشد)، برتری الگویتم پیشنهاد داده شده نشان داده شده است. نه فقط الگوریتم های مبتنی بر محاسبه تکاملی، بلکه روش های کلاسیکی مانند میانگین های فازی C و K نیز بکار گرفته شده اند تا بتوان کارایی روش پیشنهاد شده را در حوزه خوشه بندی را مطرح کرد. نتایج به دست آمده نشان میدهد که کلونی زنبور عسل مصنوعی باینری با عنصر تولید کننده راهکار اصلاح شده، میتواند راه حل¬های بهتری را نسبت به الگوریتم های خوشه بندی پویای دیگر ایجاد کند که محققان به جد آن را به عنوان یکی از سخت ترین مسئله های NP قبول دارند.

برچسب‌ها: دانلود رایگان مقالات انگلیسی مهندسی کامپیوتر، دانلود رایگان مقالات انگلیسی هوش مصنوعی