چکیده مقاله
گراف شباهت یکی از مهمترین اجزادر خوشهبندی طیفی وبسیاری دیگرازالگوریتم های خوشهبندی است، که تاثیر مستقیمی در کیفیت نتایج خوشهبندی دارد از روش های بهبود ساختار گراف شباهت استفاده از الگوریتم های تکاملی مانندالگوریتم ژنتیک است یکی از چالشها در استفاده از الگوریتم های تکاملی برای بهبود گراف های شباهت، تعیین تابع برازندگی درست، برای ارزیابی کیفیت خوشهبندی می باشد در این مقاله، با استفاده از ترکیب دو تابع Ncut و RatioCut معیار جدیدیبرای ارزیابی کیفیت خوشهبندی ارایه شده است با توجه به اینکه در خوشهبندی سایز خوشهها باید به طور منطقی بزرگ باشد،بر این اساس این معیار با در نظر گرفتن سایز خوشهها بر اساس تعداد عناصر و همچنین شدت ارتباط بین عناصر، باعث افزایش دقت درارزیابی خوشهبندی و همچنین افزایش توانایی در تشخیص خوشههای بهتر می شود از این معیار به عنوان تابعبرازندگی در الگوریتم ژنتیک به منظور بهبود ساختار گراف شباهت و اعمال خوشهبندی طیفی برروی دیتاست های مختلفاستفاده شده است و نتایج بدست آمده با معیار های دیگر بر روی دیتا ست IRIS مقایسه شده است که نتایج بدست آمده نشانمی دهد که معیار معرفی شده کارایی بالایی در ارزیابی درست نتایج خوشهبندی و کمک به بهبود ساختار گراف های شباهت دارد
کلیدواژهها
نویسندگان
جلیل اسدی
گروه کامپیوتر ، دانشکده فنی مهندسی ، واحد سنندج ، دانشگاه آزاد اسلامی ، سنندج ، ایران
سیدامیر شیخ احمدی
استادیار گروه نرم افزار، دانشگاه آزاد ، سنندج، ایران
شیوه ارجاع
�سدی، جلیل و شیخ احمدی، سیدامیر،1395،بهبود ساختارگراف شباهت درخوشهبندی طیفی با استفاده از ترکیب Ncut و RatioCut بر پایه الگوریتم ژنتیک،چهارمین کنفرانس بین المللی مهندسی برق و کامپیوتر،تهران
ارائهشده در
مجموعه مقالات چهارمین کنفرانس بین المللی مهندسی برق و کامپیوتر23 دی 1395 · تهران