English  |  正體中文  |  简体中文  |  全文筆數/總筆數 : 49287/83828 (59%)
造訪人次 : 7150817      線上人數 : 67
RC Version 7.0 © Powered By DSPACE, MIT. Enhanced by NTU Library & TKU Library IR team.
搜尋範圍 查詢小技巧:
  • 您可在西文檢索詞彙前後加上"雙引號",以獲取較精準的檢索結果
  • 若欲以作者姓名搜尋,建議至進階搜尋限定作者欄位,可獲得較完整資料
  • 進階搜尋
    請使用永久網址來引用或連結此文件: http://tkuir.lib.tku.edu.tw:8080/dspace/handle/987654321/7046


    題名: 基於族群馬可夫鏈之分群技術
    其他題名: Population-Markov-Chain-Based Clustering Tecnique
    作者: 林慧珍;顏淑惠
    貢獻者: 淡江大學資訊工程學系
    日期: 2005
    上傳時間: 2009-03-16 15:42:24 (UTC+8)
    摘要: 本研究提出一個新的分群(clustering)技術,以基因演算法(Genetic Algorithm, GA)為基礎,但不需要執行GA運算。藉由分析族群馬可夫鏈(population Markov chains) 以及一些基因演算法操作運算的修改,本篇提出的技術效能遠遠超越現存的其它基因演算法分群(GA clustering)方法。本文提出的策略採用Yong Gao et al. 所提之馬可夫鏈的修改版本來計算演化的過程。在演化的過程中,子代的產生根據馬可夫鏈模型(Markov chain modeling)所提供的機率而得,因而不需要傳統的基因演算運算子,如複製、交配、突變等等。因此可以省掉基因演算法中所需的大量計算。在分群的過程中,每個群聚(cluster)的中心從資料集中挑選且以二元表示法來表示群聚中心, 因此可事先計算資料集合內每兩點的距離,再存放於一個查詢表(look-up table)中,如此在計算適應函數(fitness function)時能避免重複的計算。此計畫中我們將分析不同的距離度量並研究如何保持群聚的特性,比如形狀和大小。最後利用DB index來量測群聚效度(cluster validity)。實驗結果指示出我們所提的方法無論在分群結果或執行效率上均優於其它傳統基因演算法。
    顯示於類別:[資訊工程學系暨研究所] 研究報告

    文件中的檔案:

    檔案 描述 大小格式瀏覽次數
    942213E032027.pdf166KbAdobe PDF518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

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