بهبود الگوریتم خوشه بندی فازی FCM با الگوریتم QPSO در متلب

بهبود الگوریتم خوشه بندی فازی FCM با الگوریتم QPSO در متلب

بهبود الگوریتم خوشه بندی فازی FCM با الگوریتم QPSO در MATLAB

در این بخش پروژه بهبود الگوریتم خوشه بندی فازی FCM با الگوریتم QPSO در نرم افزار MATLAB به همراه کامنت گذاری کدها آماده کرده ایم که در ادامه توضیحاتی از معرفی پروژه و معرفی الگوریتم QPSO ارائه شده است.

معرفی پروژه

در این پروژه قصد داریم به بهبود الگوریتم خوشه بندی فازی سی مینز (FCM) بر مبنای یک روش هوشمند جدید از خانواده روش بهینه سازی اجتماع ذرات (PSO) با نام روش بهینه سازی اجتماع ذرات کوانتومی (QPSO) بپردازیم. در این پروژه الگوریتم FCM برای خوشه بندی داده های iris که در قالب یک m فایل ذخیره شده است، مورد استفاده قرار می گیرد و هدف این است که عملکرد الگوریتم FCM را در خوشه بندی داده ها، به کمک الگوریتم QPSO بهینه تر کنیم.

الگوریتم ازدحام ذرات کوانتومی (QPSO)

الگوریتم QPSO برخلاف الگوریتم PSO که رفتار آن بر اساس قوانین نیوتن است (PSO کلاسیک)، از قوانین مکانیک کوانتومی پیروی می کند. در مکانیک کوانتومی طبق اصل عدم قطعیت نمی توان مکان و سرعت یک ذره را به طور همزمان تعیین کرد. در این الگوریتم تعدادی چاه پتانسیل مانند چاه پتانسیل دلتا، هارمونیک اسیلاتور و مربعی وجود دارد. این روش هوشمند جدید بر مبنای ترکیب فلسفه روش PSO و قوانین مکانیک کوانتوم کار می کند، به عبارت بهتر الگوریتم QPSO در واقع مدل سازی روش PSO در فضای کوانتومی می باشد.

روش QPSO در عین سادگی دارای قدرت به مراتب بیشتری نسبت به روش PSO می باشد. الگوریتم بهینه سازی گروه ذرات کوانتومی (QPSO) می تواند در یافتن حل بهینه در فضای جستجو خیلی موثر واقع شود. الگوریتم PSO کوانتومی نوعی از الگوریتم های احتمالی می باشد که همه ذرات را به داشتن یک رفتار کوانتومی به جای دینامیک نیوتنی کلاسیکی که تاکنون در همه روش های PSO فرض شده بود، مجاز می کند.

تصاویر خروجی پروژه در محیط MATLAB

بهبود الگوریتم خوشه بندی فازی FCM با الگوریتم QPSO در متلب بهبود الگوریتم خوشه بندی فازی FCM با الگوریتم QPSO در متلب بهبود الگوریتم خوشه بندی فازی FCM با الگوریتم QPSO در متلب


مشاهده ویدئو در این باره

خوشحال خواهیم شد اگر نظر خودتون رو درباره این مطلب ثبت کنید

خطا!دکمه ریفریش را بزنید