کنفرانس بین المللی محاسبات نرم

صفحه اصلی / چهارمین کنفرانس بین المللی محاسبات نرم

Data clustering using fuzzy K-means and stock exchange trading optimization algorithm

نویسندگان :

Hojjat Emami¹

1- دانشگاه بناب

کلمات کلیدی :

Data clustering, optimization, stock exchange trading optimization algorithm, fuzzy K-means, SETO-FKM

چکیده :

Data clustering is an important problem in computer science. The objective of data clustering is to partition data objects into some groups such that the data objects in the same group are much similar with each other while data objects in different groups are dissimilar. This paper proposes SETO-FKM method for data clustering that is a combination of stock exchange trading optimization algorithm (SETO) algorithm and fuzzy K-means (FKM). The objective of SETO is to help the FKM to escape from local optima and converge to global optimum solution. Experimental results on seven real-world data clustering benchmarks show that the SETO-FKM outperformed its counterparts.

لیست مقالات

لیست مقالات بایگانی شده

Anti Soft Rings and Anti Soft Ideals in Rings

Rasul Rasuli

کوتاهترین مسیر در شبکه با داده های نوتروسوفیک

مدینه فرنام - مجید دره میرکی

تشخیص سرقت برق با استفاده از اعمال یادگیری عمیق بر داده های مصرف برق

مجید لاکانی - فرید فیضی - مرضیه فریدی ماسوله

تعیین پارامترهای طبقه بندی KSVM با استفاده از الگوریتم PSO در تصاویر MRI به منظور تشخیص بیماری کووید-19

مرضیه فریدی ماسوله - هدیه جعفری - احمد باقری

An Application of Artificial Intelligence for Climate Warming: A Case Study

Yaser Sabzevari - Fatemeh Dadvand - Saeid Eslamian

Improving Bat Algorithm Using Clustering

Sadegh Eskandari

مروری بر مدل های پذیرش سیستم های اطلاعاتی در بیمارستانها

حامد حشمتی - محمد جواد جمشیدی - مهدی حسین پور

تحلیل جواب های امواج سیار معادله فیتزو ناگامو

مصطفی اسلامی - سمیرا حیدری

یادگیری عمیق برای تشخیص سرطان پستان با مدل DenseNet

زهره درانی

The Basic Concepts of Convolutional Neural Networks

Farnaz Hoseini

بیشتر

ثمین همایش، سامانه مدیریت کنفرانس ها و جشنواره ها - نگارش 42.0.2