Table | Card | RUSMARC | |
Allowed Actions: –
Action 'Read' will be available if you login or access site from another network
Action 'Download' will be available if you login or access site from another network
Group: Anonymous Network: Internet |
Annotation
Тема выпускной квалификационной работы: «Применение гибридного алгоритма WOAGWO для задачи кластеризации». Данная работа посвящена реализации гибридного метаэвристического алгоритма WOAGWO в приложении к задаче кластеризации. Задачи, которые решались в ходе работы: 1. Разработка программы, реализующей метод оптимизации WOAGWO применительно к задаче кластеризации. 2. Проверка качества работы полученной программы на имеющихся наборах данных. 3. Проведение сравнения полученных результатов с результатами других алгоритмов на тех же данных. В ходе работы был проведён обзор возможных подходов к задаче кластеризации и выбран один из таких подходов. Также в работе была переформулирована задача кластеризации для упрощения её решения с использованием выбранного метода оптимизации. В результате был реализован описанный алгоритм, позволяющий решать задачу кластеризации. Он был протестирован на существующих наборах данных и результаты тестирования были сопоставлены с результатами других алгоритмов. На основе проведённого сравнения были сделаны выводы о применимости реализованного алгоритма.
The subject of the graduate qualification work is “Hybrid WOAGWO algorithm application for the clustering problem”. The given work is devoted to implementation of hybrid meta-heuristic algorithm WOAGWO, applied to the clustering problem. The research set the following goals: 4. Developing of a program implementing optimization algorithm WOAGWO in appliance to the clustering problem. 5. Analysis of the program quality for the given datasets. 6. Performing comparison of demonstrated results with other algorithms’ results for the same datasets. During the research, an overview of possible approaches to the clustering problem was performed. One of these approaches was selected. Also clustering problem was reformulated in this work to simplify its solution using the selected optimization algorithm. The described algorithm, which solves the clustering problem was implemented. It was then tested on different existing datasets. Test results were later compared to those of some other algorithms. Based on the comparison performed, conclusions regarding applicability of the implemented algorithm were made.
Document access rights
Network | User group | Action | ||||
---|---|---|---|---|---|---|
ILC SPbPU Local Network | All | |||||
Internet | Authorized users SPbPU | |||||
Internet | Anonymous |
Usage statistics
Access count: 3
Last 30 days: 0 Detailed usage statistics |