دانلود پاورپوینت الگوریتم های ژنتیک برای دسته بندی
نوع فایل: power point
فرمت فایل: pptx
قابل ویرایش
تعداد اسلاید : 19 صفحه
قسمتی از پاورپوینت :
1- دسته بندی چیست؟
2- الگوریتم های دسته بندی
K-mean 1-2- الگوریتم
2-2- الگوریتم های مبتنی بر ژنتیک
3-2- الگوریتم K-mean تکاملی
تفکیک m شیء(الگو)، به C گروه ( کلاس یا کلاستر)
قالب ریاضی این پردازش:
Minimize J(w,z)= wij ||xi – zj||2
Subject to wij = 1 i=1,2,…,m
wij = {1 یا 0}
xi є Rn (i=1,2,…,m)
zj є Rn (j=1,2,…,c)
z و w ماتریسهای m*c هستند.
|| xi – zj||2 مربع فاصله اقلیدسی بین الگوی xi و میانه zj از کلاستر j است.
رایج ترین، شناخته شده ترین و سریعترین الگوریتم
جواب بدست آمده از آن بستگی به مقدار k(تعداد کلاسترها) و دسته بندی اولیه دارد.
مناسب برای جستجوی محلی
اشکالات آن : لزوم مشخص کردن مقدارk از ابتدا – گیر افتادن در نقطه مینیمم محلی
تابع میزان(score) این الگوریتم:
E = di є cj | di - mj |
mj=)1/ nj( di
نوع فایل: power point
فرمت فایل: pptx
قابل ویرایش
تعداد اسلاید : 19 صفحه
قسمتی از پاورپوینت :
1- دسته بندی چیست؟
2- الگوریتم های دسته بندی
K-mean 1-2- الگوریتم
2-2- الگوریتم های مبتنی بر ژنتیک
3-2- الگوریتم K-mean تکاملی
تفکیک m شیء(الگو)، به C گروه ( کلاس یا کلاستر)
قالب ریاضی این پردازش:
Minimize J(w,z)= wij ||xi – zj||2
Subject to wij = 1 i=1,2,…,m
wij = {1 یا 0}
xi є Rn (i=1,2,…,m)
zj є Rn (j=1,2,…,c)
z و w ماتریسهای m*c هستند.
|| xi – zj||2 مربع فاصله اقلیدسی بین الگوی xi و میانه zj از کلاستر j است.
رایج ترین، شناخته شده ترین و سریعترین الگوریتم
جواب بدست آمده از آن بستگی به مقدار k(تعداد کلاسترها) و دسته بندی اولیه دارد.
مناسب برای جستجوی محلی
اشکالات آن : لزوم مشخص کردن مقدارk از ابتدا – گیر افتادن در نقطه مینیمم محلی
تابع میزان(score) این الگوریتم:
E = di є cj | di - mj |
mj=)1/ nj( di