یک  چهارچوب کاری تقویت شده بر مبنای تئوری بازی برای خوشه بندی چند منظوره

این گزارش به پیاده سازی یک مقاله معتبر علمی در زمینه یکی از تکنیک های یادگیری ماشین می پردازد و مساله مورد بررسی خوشه بندی چند هدفه می باشد که در مقاله روشی را با کمک نظریه بازی ها معرفی می کند. این روش EGTKMeans, نامیده شده است. و به نوعی بهبود یافته الگوریتم k-means می باشد که توسط یک چارچوب در نظریه بازی ها بهبود یافته است.در حقیقت استخراج ویژگی داده ها برای خوشه بندی توسط نظریه بازی ها انجام می شود. کارایی این روش بیشتر در داده های با حجم زیاد مشخص می شود که تعداد ویژگی ها افزایش می یابد. که با استفاده از الگوریتم ماتریس بازدهی تئوری بازی ها که برای p بازیکن ،S استراتژی و r منبع تعریف شده است این بهبود در الگوریتم k  میانگین حاصل می شود. همچنین برای رسیدن به ایده ال در خوشه بندی نهایی از تعادل نش جهت همگرایی خوش بندی استفاده شده است.

نظر بدهید

توجه: HTML ترجمه نمی شود!
    بد           خوب

Lorem ipsum dolor sit amet, consectetur adipiscing elit. Aliquam iaculis egestas laoreet. Etiam faucibus massa sed risus lacinia in vulputate dolor imperdiet. Curabitur pharetra, purus a commodo dignissim, sapien nulla tempus nisi, et varius nulla urna at arcu.Lorem ipsum dolor sit amet, consectetur adipiscing elit. Aliquam iaculis egestas laoreet. Etiam faucibus massa sed risus lacinia in vulputate dolor imperdiet. Curabitur pharetra, purus a commodo dignissim, sapien nulla tempus nisi, et varius nulla urna at arcuLorem ipsum dolor sit amet, consectetur adipiscing elit. Aliquam iaculis egestas laoreet. Etiam faucibus massa sed risus lacinia in vulputate dolor imperdiet. Curabitur pharetra, purus a commodo dignissim, sapien nulla tempus nisi, et varius nulla urna at arcu. 

یک چهارچوب کاری تقویت شده بر مبنای تئوری بازی برای خوشه بندی چند منظوره

  • تولید کننده: مارکت کد
  • شناسنامه: یک چهارچوب کاری تقویت شده بر مبنای تئوری بازی برای خوشه بندی چن
  • موجودی: در انبار
  • زبان برنامه نویسی: Matlab
  • تاریخ: ۱۳۹۴/۰۵/۰۷
  • برنامه نویس: الهام احمدی
  • 75,000تومان

برچسب ها: خوشه بندی, k-means, EGTKMeans, الگوریتم-k, تئوری بازی, نظریه بازی,