توضیحات
شبیه سازی خوشه بندی اتوماتیک توسط الگوریتم گرگ خاکستری با متلب
الگوریتم بهینه سازی گرگ خاکستری (GWO) الگوریتم سلسله مراتب رهبری و مکانیزم شکار گرگ خاکستری در طبیعت را تقلید می کند. چهار نوع از گرگ خاکستری مانند آلفا، بتا، دلتا و امگا برای شبیه سازی سلسله مراتب رهبری استفاده می شود. علاوه بر این، سه مرحله اصلی شکار، جستجو برای طعمه، طغیان محاصره و حمله به شکار، برای بهینه سازی انجام می شود.
توضیحات:
فیتنس مطابق روش استاندارد مرکز گرا انتخاب شده است ( نحوه عملکرد آن واضح است). برای مطالعه بیشتر می توانید روش هایی مانند k-means و SOM را بررسی کنید.
مجموعه مراکز داده ها یک گرگ را شکل می دهد. بنابراین بهترین مرکز داده بهترین گرگ آلفا بوده که قبلا تصادفی تولید شده است.
برای داده های دیگر می توانید inp و tar را با هم ارز آنها در مجموعه داده خود تعویض کنید.
خوشه بندی با ناظر از خوشه های مورد اطمینان برای سنجش کیفیت استفاده می کند.
متغیر ها برای نرمال شدن بر 10 تقسیم شده اند.
متغیر in ورودی متد ها , out , res خروجی متد ها است.
خوشه های مورد اطمینان خوشه های موجود در دیتاست هستند که از قبل برچسب دارند .
در خوشه بندی هر دو روش وجود دارند در روش بدون ناظر صرفا افزایش چگالی انرژی مد نظر است مانند کاهش فاصله که در این برنامه استفاده شده. و در روش بدون ناظر رسیدن به بهترین خوشه ها با در نظر داشتن مرجع است که در ادامه از آن خوشه ها برای برچسب زدن داده های جدید استفاده می شود مانند روش ANN . در این برنامه هر دو روش موجود است.
گرگ ها با نرمال شدن رابطه ندارند. تقسیم بر 10 صرفا برای کاهش دامنه داده های ورودی انجام شده تا از overshoot جلوگیری شود.
شبیه سازی خوشه بندی اتوماتیک توسط الگوریتم گرگ خاکستری با متلب توسط کارشناسان گروه ۱.۲.۳ پروژه پیاده سازی گردیده و به تعداد محدودی قابل فروش می باشد.فایلهای پروژه به صورت کامل پس از خرید فایل بلافاصله در اختیار شما قرار خواهد گرفت.
درصورتیکه این پروژه دقیقا مطابق خواسته شما نمی باشد، با کلیک بر روی کلید زیر پروژه دلخواه خود را سفارش دهید.
دیدگاهها
هیچ دیدگاهی برای این محصول نوشته نشده است.