| | SLO | ENG | Piškotki in zasebnost

Večja pisava | Manjša pisava

Izpis gradiva Pomoč

Naslov:Implementacija k-means gručenja z genetskim algoritmom
Avtorji:ID Šaruga, Alen (Avtor)
ID Karakatič, Sašo (Mentor) Več o mentorju... Novo okno
ID Fister, Iztok (Komentor)
Datoteke:.pdf VS_Saruga_Alen_2024.pdf (1,34 MB)
MD5: 0058A7884EEA2DE0F2FAC15B8F04B6FA
 
Jezik:Slovenski jezik
Vrsta gradiva:Diplomsko delo/naloga
Tipologija:2.11 - Diplomsko delo
Organizacija:FERI - Fakulteta za elektrotehniko, računalništvo in informatiko
Opis:K-means algoritem je eden najpopularnejših in najučinkovitejših algoritmov gručenja podatkov. Kljub temu algoritem predstavlja izziv, saj je občutljiv na začetno postavitev centroidov gruč. Zato lahko algoritem stremi k lokalnemu optimumu in ne h globalno optimalni rešitvi. Namen diplomskega dela je implementacija optimiziranega k-means algoritma, manj občutljivega na začetne centroide gruč, z uporabo genetskega algoritma. Delo se osredotoča na postopek gručenja in genetski algoritem. Implementacija je izvedena v programskem jeziku Python s knjižnico NiaPy. Na koncu so predstavljeni rezultati eksperimentov, kjer je izvedena primerjava standardnega in optimiziranega k-means algoritma na različnih podatkovnih množicah.
Ključne besede:gručenje, k-means, genetski algoritem, centroidi
Kraj izida:Maribor
Založnik:[A. Šaruga]
Leto izida:2024
PID:20.500.12556/DKUM-89496 Novo okno
UDK:004.421.2:004.627(043.2)
COBISS.SI-ID:220095747 Novo okno
Datum objave v DKUM:19.09.2024
Število ogledov:161
Število prenosov:69
Metapodatki:XML DC-XML DC-RDF
Področja:KTFMB - FERI
:
Kopiraj citat
  
Skupna ocena:(0 glasov)
Vaša ocena:Ocenjevanje je dovoljeno samo prijavljenim uporabnikom.
Objavi na:Bookmark and Share



Postavite miškin kazalec na naslov za izpis povzetka. Klik na naslov izpiše podrobnosti ali sproži prenos.

Licence

Licenca:CC BY-NC-ND 4.0, Creative Commons Priznanje avtorstva-Nekomercialno-Brez predelav 4.0 Mednarodna
Povezava:http://creativecommons.org/licenses/by-nc-nd/4.0/deed.sl
Opis:Najbolj omejujoča licenca Creative Commons. Uporabniki lahko prenesejo in delijo delo v nekomercialne namene in ga ne smejo uporabiti za nobene druge namene.
Začetek licenciranja:15.07.2024

Sekundarni jezik

Jezik:Angleški jezik
Naslov:Implementing k-means clustering with a genetic algorithm
Opis:The k-means algorithm is one of the most popular and effective clustering algorithms. However, it presents a challenge as it is sensitive to the initial placement of cluster centroids. Therefore, the algorithm can converge to a local optimum rather than a globally optimal solution. The purpose of this thesis is to implement an optimized k-means algorithm that is less sensitive to the initial cluster centroid using a genetic algorithm. The work focuses on the clustering process and the genetic algorithm. The implementation will be carried out in the Python programming language using the NiaPy library. Finally, the results of the experiments comparing the standard k-means and the optimized k-means algorithm on various datasets will be presented.
Ključne besede:clustering, k-means, genetic algorithm, centroids


Komentarji

Dodaj komentar

Za komentiranje se morate prijaviti.

Komentarji (0)
0 - 0 / 0
 
Ni komentarjev!

Nazaj
Logotipi partnerjev Univerza v Mariboru Univerza v Ljubljani Univerza na Primorskem Univerza v Novi Gorici