English  |  正體中文  |  简体中文  |  Items with full text/Total items : 55559/89870 (62%)
Visitors : 11017718      Online Users : 40
RC Version 7.0 © Powered By DSPACE, MIT. Enhanced by NTU Library & TKU Library IR team.
Scope Tips:
  • please add "double quotation mark" for query phrases to get precise results
  • please goto advance search for comprehansive author search
  • Adv. Search
    HomeLoginUploadHelpAboutAdminister Goto mobile version
    Please use this identifier to cite or link to this item: http://tkuir.lib.tku.edu.tw:8080/dspace/handle/987654321/63288


    Title: 以螞蟻、塔布基因為基礎的混合式雞尾酒分群法之探討
    Authors: 李鴻璋;朱芳儀
    Contributors: 淡江大學資訊管理學系
    Keywords: 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
    Date: 2009-05
    Issue Date: 2011-10-19 20:43:09 (UTC+8)
    Publisher: 資訊管理學會
    Abstract: 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。
    Relation: 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
    Appears in Collections:[Graduate Institute & Department of Information Management] Proceeding

    Files in This Item:

    File Description SizeFormat
    以螞蟻、塔布基因為基礎的混合式雞尾酒分群法之探討_中文摘要.docx摘要14KbMicrosoft Word223View/Open

    All items in 機構典藏 are protected by copyright, with all rights reserved.


    DSpace Software Copyright © 2002-2004  MIT &  Hewlett-Packard  /   Enhanced by   NTU Library & TKU Library IR teams. Copyright ©   - Feedback