این سایت در حال حاضر پشتیبانی نمی شود و امکان دارد داده های نشریات بروز نباشند
پردازش علائم و داده ها، جلد ۱۳، شماره ۴، صفحات ۱۳۳-۱۴۵
عنوان فارسی روش نوین خوشه‌بندی ترکیبی با استفاده از سیستم ایمنی مصنوعی و سلسله مراتبی
چکیده فارسی مقاله سیستم ایمنی مصنوعی (AIS) یکی از مهمترین الگوریتم‌های متاهیوریستیک به منظور حل مسائل بسیار پیچیده می‌باشد. از این الگوریتم می‌توان در تحلیل خوشه‌بندی داده‌ها استفاده نمود. علی‌رغم اینکه AIS قادر است پیکربندی فضای جستجو را به خوبی نمایش دهد اما تعیین خوشه‌های داده‌ها به طور مستقیم با استفاده از خروجی آن بسیار مشکل است. بر این اساس در این مقاله الگوریتم دو مرحله‌ای پیشنهاد شده است. در مرحله اول با استفاده از الگوریتم AIS پیشنهادی، فضای جستجو مورد بررسی قرار گرفته و پیکربندی فضا تعیین می‌شود و در مرحله دوم با استفاده از روش خوشه‌بندی سلسله ‌مراتبی، خوشه‌ها و تعداد آنها مشخص می‌شود. در انتها الگوریتم پیشنهادی بر روی نمونه واقعی متشکل از داده‌های زلزله در ایران پیاده‌سازی و با نتایج الگوریتم مشابه مقایسه شده است. نتایج نشان داد که الگوریتم پیشنهادی توانسته است نقایص موجود در AIS و روش خوشه‌بندی سلسله مراتبی را پوشش دهد و از طرفی از دقت و سرعت قابل قبولی برخوردار است.
کلیدواژه‌های فارسی مقاله
عنوان انگلیسی New Clustering Technique using Artificial Immune System and Hierarchical technique
چکیده انگلیسی مقاله Artificial immune system (AIS) is one of the most meta-heuristic algorithms to solve complex problems. With a large number of data, creating a rapid decision and stable results are the most challenging tasks due to the rapid variation in real world. Clustering technique is a possible solution for overcoming these problems. The goal of clustering analysis is to group similar objects. AIS algorithm can be used in data clustering analysis. Although AIS is able to good display configure of the search space, but determination of clusters of data set directly using the AIS output will be very difficult and costly. Accordingly, in this paper a two-step algorithm is proposed based on AIS algorithm and hierarchical clustering technique. High execution speed and no need to specify the number of clusters are the benefits of the hierarchical clustering technique. But this technique is sensitive to outlier data. So, in the first stage of introduced algorithm using the proposed AIS algorithm, search space was investigated and the configuration space and therefore outlier data are determined. Then in second phase, using hierarchical clustering technique, clusters and their number are determined. Consequently, the first stage of proposed algorithm eliminates the disadvantages of the hierarchical clustering technique, and AIS problems will be resolved in the second stage of the proposed algorithm. In this paper, the proposed algorithm is evaluated and assessed through two metrics that were identified as (i) execution time (ii) Sum of Squared Error (SSE): the average total distance between the center of a cluster with cluster members used to measure the goodness of a clustering structure. Finally, the proposed algorithm has been implemented on a real sample data composed of the earthquake in Iran and has been compared with the similar algorithm titled Improved Ant System-based Clustering algorithm (IASC). IASC is based on Ant Colony System (ACS) as the meta-heuristics clustering algorithm. It is a fast algorithm and is suitable for dynamic environments. Table 1 shows the results of evaluation. Table 4: Compare the two algorithms Proposed algorithm IASC Alg. 12 18 Execution time (s) 5/3 9/4 SSE The results showed that the proposed algorithm is able to cover the drawbacks in AIS and hierarchical clustering techniques and the other hand has high precision and acceptable run speed.
کلیدواژه‌های انگلیسی مقاله
نویسندگان مقاله احمد رضا جعفریان مقدم | ahmad reza jafarian moghaddam
دانشکده عمران و حمل و نقل، دانشگاه اصفهان، اصفهان 73441-81746، ایران
سازمان اصلی تایید شده: دانشگاه اصفهان (Isfahan university)

فرناز برزین پور | farnaz barzinpour
تهران، دانشگاه علم و صنعت ایران، دانشکده مهندسی صنایع
سازمان اصلی تایید شده: دانشگاه علم و صنعت ایران (Iran university of science and technology)

محمد فتحیان | mohammad fathian
تهران، دانشگاه علم و صنعت ایران، دانشکده مهندسی صنایع
سازمان اصلی تایید شده: دانشگاه علم و صنعت ایران (Iran university of science and technology)

نشانی اینترنتی http://jsdp.rcisp.ac.ir/browse.php?a_code=A-10-234-1&slc_lang=fa&sid=fa
فایل مقاله اشکال در دسترسی به فایل - ./files/site1/rds_journals/1315/article-1315-402473.doc
کد مقاله (doi)
زبان مقاله منتشر شده fa
موضوعات مقاله منتشر شده مقالات گروه علائم حیاتی ( مرتبط با مهندسی پزشکی)
نوع مقاله منتشر شده پژوهشی
برگشت به: صفحه اول پایگاه   |   نسخه مرتبط   |   نشریه مرتبط   |   فهرست نشریات