關鍵字查詢 | 類別:會議論文 | | 關鍵字:以螞蟻

[第一頁][上頁]1[次頁][最末頁]目前在第 1 頁 / 共有 01 筆查詢結果
序號 學年期 教師動態
1 97/2 資管系 李鴻璋 副教授 會議論文 發佈 以螞蟻、塔布基因為基礎的混合式雞尾酒分群法之探討 , [97-2] :以螞蟻、塔布基因為基礎的混合式雞尾酒分群法之探討會議論文以螞蟻、塔布基因為基礎的混合式雞尾酒分群法之探討李鴻璋; 朱芳儀淡江大學資訊管理學系螞蟻分群法;基因演算法;塔布搜尋法;K均值法;分群效度指標資訊管理學會第二十屆國際資訊管理學術研討會論文集=Proceedings of the 20th International Conference Information Management,11頁世新大學分群是將物件分類成群,在分群的許多方法中,包含階層式分群法、分割式分群法、密度分群法,近來更有啟發式演算法在分群上的應用。而對於傳統的分割式分群法,例如常見的K-means,使用者往往必須先決定群數,才能進行分群。本研究目的是建立一個不需事先輸入群數的分群法,並利用此方法探討使用各種分群效度指標作為目標函數的分群效果。提出一個能自動決定適合群數的演算法AGKT,混合了螞蟻分群、基因演算法、塔布搜尋法及K-means。演算法分為兩階段:第一階段由螞蟻分群法(ASCA)產生初始群組;第二階段使用基因、塔布的概念找出最適合的群數,並使用K-means分群,並以分群效度作為指標,找出最佳的分群數與分群結構。 使用UCI Machine Learning Repository和Gerrild and Lantz所提供的4個資料集,和其它七個分群方法進行比較。此外亦利用該資料集,探討目前提出之分群效度指標,並提出一種新的效度指標PBM+ index。實驗結果顯示,相較於其它7個分群方法,本方法AGKT能非常快速且正確分群,第一階段的初始分群配合第二階段基因遮罩,決定K-means的起始重心點,相較於ESTA分群法,AGKT平均約快40倍且在分群效度表現上差不多。此外利用UCI Machine Learning Repository和Gerrild and Lantz所提供的4個資料集,探討4種不同的分群效度指標,分別為:Dunn's index、Davies Boundin index、PBM index及我們所提出的PBM+ index。而實驗證實,4種分群效度指標中,以PBM+ index作為目標函數,得到了較好的分群結果。tku_id: 000089765;20140425補正 by 林明瑋;Made available in DSpace on 2
[第一頁][上頁]1[次頁][最末頁]目前在第 1 頁 / 共有 01 筆查詢結果