In real life problems, prior inform

In real life problems, prior information about the number of clusters is not known. In this paper, an attempt has been made to determine the number of clusters using automatic clustering using gravitational search algorithm (ACGSA). Based on the statistical property of datasets, two new concepts are proposed to efficiently find the optimal number of clusters. Within the ACGSA, a variable chromosome representation is used to encode the cluster centers with different number of clusters. In order to refine cluster centroids, two new operations namely threshold setting and weighted cluster centroid computation are also introduced. Finally, a new fitness function is proposed to make the search more efficient. A comparison of the proposed technique is also carried out with automatic clustering techniques developed recently. The proposed technique is further applied for automatic segmentation of both grayscale and color images and its performance is compared with other techniques. Experimental results demonstrate the efficiency and efficacy of the proposed clustering technique over other existing techniques.

ผลลัพธ์ (ไทย) 1:

ในชีวิตจริงปัญหา ไม่มีเรียกข้อมูลก่อนหน้านี้เกี่ยวกับหมายเลขของคลัสเตอร์ ในเอกสารนี้ มีความพยายามได้กำหนดหมายเลขของคลัสเตอร์ที่ใช้อัตโนมัติคลัสเตอร์โดยใช้อัลกอริทึมการค้นหาความโน้มถ่วง (ACGSA) ขึ้นอยู่กับคุณสมบัติทางสถิติของ datasets เสนอแนวคิดใหม่ 2 หาประสิทธิภาพจำนวนคลัสเตอร์สูงสุด ภายใน ACGSA แสดงโครโมโซมตัวแปรถูกใช้เพื่อเข้ารหัสศูนย์คลัสเตอร์ มีจำนวนของคลัสเตอร์ เพื่อคัดสรร centroids คลัสเตอร์ การดำเนินงานใหม่ที่สองที่คือ การตั้งค่าขีดจำกัดและคำนวณถ่วงน้ำหนักคลัสเตอร์เซนทรอยด์จะยังแนะนำ สุดท้าย มีเสนอฟังก์ชันการออกกำลังกายใหม่จะทำให้การค้นหามีประสิทธิภาพมากขึ้น ยังดำเนินการเปรียบเทียบเทคนิคการนำเสนอออกมาพร้อม ด้วยเทคโนโลยีระบบคลัสเตอร์อัตโนมัติที่พัฒนาล่าสุด เพิ่มเติมมีใช้เทคนิคการนำเสนอสำหรับแบ่งอัตโนมัติระดับสีเทาและสีภาพ และผลการดำเนินงานเปรียบเทียบกับเทคนิคอื่น ๆ ผลการทดลองแสดงให้เห็นประสิทธิภาพและประสิทธิภาพของเทคนิคระบบคลัสเตอร์นำเสนอผ่านเทคนิคอื่น ๆ ที่มีอยู่

ผลลัพธ์ (ไทย) 2:

ปัญหาในชีวิตจริงก่อนที่ข้อมูลเกี่ยวกับจำนวนของกลุ่มไม่เป็นที่รู้จัก ในบทความนี้พยายามที่ได้รับการสร้างขึ้นมาเพื่อกำหนดจำนวนของกลุ่มโดยใช้การจัดกลุ่มโดยอัตโนมัติโดยใช้วิธีการค้นหาแรงโน้มถ่วง (ACGSA) ขึ้นอยู่กับสถานที่ให้บริการทางสถิติของชุดข้อมูลสองแนวความคิดใหม่ที่มีการเสนอให้มีประสิทธิภาพพบว่าจำนวนที่เหมาะสมของกลุ่ม ภายใน ACGSA เป็นตัวแทนโครโมโซมตัวแปรที่ใช้ในการเข้ารหัสศูนย์กลุ่มที่มีจำนวนแตกต่างกันของกลุ่ม เพื่อที่จะปรับแต่ง centroids คลัสเตอร์สองการดำเนินงานใหม่คือการตั้งค่าเกณฑ์และกลุ่มถ่วงน้ำหนักในการคำนวณเซนทรอยด์ได้รับการแนะนำให้รู้จัก สุดท้ายฟังก์ชั่นการออกกำลังกายใหม่จะเสนอให้ให้การค้นหาที่มีประสิทธิภาพมากขึ้น เปรียบเทียบเทคนิคที่นำเสนอจะดำเนินการยังออกมาพร้อมกับเทคนิคการจัดกลุ่มโดยอัตโนมัติเมื่อเร็ว ๆ นี้ได้รับการพัฒนา เทคนิคที่นำเสนอถูกนำไปใช้ต่อไปสำหรับการแบ่งส่วนอัตโนมัติของทั้งสีเทาและภาพสีและประสิทธิภาพการทำงานของมันจะถูกเมื่อเทียบกับเทคนิคอื่น ๆ ผลการทดลองแสดงให้เห็นถึงประสิทธิภาพและประสิทธิภาพของเทคนิคการจัดกลุ่มที่นำเสนอมากกว่าเทคนิคอื่น ๆ ที่มีอยู่

ผลลัพธ์ (ไทย) 3:

ปัญหาในชีวิตจริง จะมีข้อมูลเกี่ยวกับจำนวนของกลุ่มที่ไม่เป็นที่รู้จัก . ในกระดาษนี้ พยายามทำให้มีการตรวจสอบหมายเลขของกลุ่มคลัสเตอร์แบบอัตโนมัติโดยใช้ขั้นตอนวิธีการค้นหาความโน้มถ่วง ( acgsa ) ตามคุณสมบัติทางสถิติของข้อมูลสองแนวคิดใหม่ที่เสนอสามารถหาจำนวนที่เหมาะสมของคลัสเตอร์ acgsa ภายใน ,ตัวแปรที่ใช้ในการเข้ารหัสเป็นตัวแทนศูนย์กลุ่มที่มีจำนวนแตกต่างกันของกลุ่ม ในการปรับแต่งที่กลุ่มจุดเซนทรอยด์ สองงาน คือ เกณฑ์การตั้งค่าใหม่และการคำนวณน้ำหนักกลุ่มเคมบริดจ์ยังแนะนำ สุดท้ายฟังก์ชันฟิตเนสใหม่เสนอให้ค้นหาที่มีประสิทธิภาพมากขึ้นการเปรียบเทียบเทคนิคที่นำเสนอยังดำเนินการโดยอัตโนมัติสำหรับเทคนิคพัฒนา เมื่อเร็วๆ นี้ เทคนิคที่นำเสนอเพิ่มเติมสำหรับการใช้โดยอัตโนมัติทั้งสีเทาและสีภาพ และประสิทธิภาพเปรียบเทียบกับเทคนิคอื่น ๆผลการทดลองแสดงให้เห็นถึงประสิทธิภาพและประสิทธิภาพของการนำเสนอข้อมูลแบบอื่น ๆที่มีอยู่ เทคนิค