以螞蟻、塔布基因為基礎的混合式雞尾酒分群法之探討

淡江大學機構典藏 > 商管學院 > 資訊管理學系暨研究所 > 會議論文 > Item 987654321/63288

請使用永久網址來引用或連結此文件: https://tkuir.lib.tku.edu.tw/dspace/handle/987654321/63288

題名:	以螞蟻、塔布基因為基礎的混合式雞尾酒分群法之探討
作者:	李鴻璋;朱芳儀
貢獻者:	淡江大學資訊管理學系
關鍵詞:	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
日期:	2009-05
上傳時間:	2011-10-19 20:43:09 (UTC+8)
出版者:	資訊管理學會
摘要:	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。
關聯:	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
顯示於類別:	[資訊管理學系暨研究所] 會議論文

文件中的檔案:

檔案	描述	大小	格式	瀏覽次數
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	14Kb	Microsoft Word	308	檢視/開啟

在機構典藏中所有的資料項目都受到原著作權保護.

TAIR相關文章

資料載入中.....