﻿<?xml version="1.0" encoding="utf-8"?>
<ArticleSet>
  <ARTICLE>
    <Journal>
      <PublisherName>مرکز منطقه ای اطلاع رسانی علوم و فناوری</PublisherName>
      <JournalTitle>فصلنامه مهندسی برق و مهندسی کامپيوتر ايران</JournalTitle>
      <ISSN>16823745</ISSN>
      <Volume>11</Volume>
      <Issue>2</Issue>
      <PubDate PubStatus="epublish">
        <Year>2013</Year>
        <Month>9</Month>
        <Day>21</Day>
      </PubDate>
    </Journal>
    <ArticleTitle> Unsupervised Image Clustering Using Central Force Optimization Algorithm Unsupervised Image Clustering Using Central Force Optimization Algorithm</ArticleTitle>
    <VernacularTitle>خوشه‌بندی بدون ناظر تصاویر با استفاده از روش بهینه‌سازی نیروی مرکزی (CFO)</VernacularTitle>
    <FirstPage>52</FirstPage>
    <LastPage>57</LastPage>
    <ELocationID EIdType="doi" />
    <Language>fa</Language>
    <AuthorList>
      <Author>
        <FirstName>محمدحامد</FirstName>
        <LastName>مظفری معارف</LastName>
        <Affiliation></Affiliation>
      </Author>
      <Author>
        <FirstName>سیدحمید</FirstName>
        <LastName>ظهیری</LastName>
        <Affiliation></Affiliation>
      </Author>
    </AuthorList>
    <History PubStatus="received">
      <Year>2015</Year>
      <Month>11</Month>
      <Day>29</Day>
    </History>
    <Abstract>Central Force Optimization (CFO) is a new member of heuristic algorithms which has been recently proposed and added to swarm intelligence algorithms. In this paper, an effective unsupervised image clustering technique is proposed, using CFO and called CFO-clustering. In the presented method, each probe includes the information of center of the clusters, and fitness function contains both inter-distance and intra-distance of the samples. Extensive experimental results show that the proposed CFO-clustering outperforms other similar clustering algorithms which were designed based on the evolutionary techniques.</Abstract>
    <OtherAbstract Language="FA">روش بهینه‌سازی نیروی مرکزی (CFO) یکی از روش‌های ابتکاری جستجو و بهینه‌سازی جدید است که به تازگی به مجموعه روش‌های هوش جمعی اضافه شده است. در این تحقیق، روشی مؤثر و کارامد برای خوشه‌یابی بدون ناظر تصویر با استفاده از الگوریتم فوق ارائه و CFO - Clustering نامیده شده است. در روش پیشنهادی، هر پروب در بر دارنده اطلاعات مربوط به مراکز خوشه می‌باشد که به صورت تصادفی در ابتدای فرایند جستجو مقداردهی می‌شود. این مقادیر در طی مراحل مختلف الگوریتم CFO تغییر کرده و در نهایت پس از رسیدن به شرط توقف، حاوی مراکز بهینه خوشه‌ها خواهند بود. ملاک بهینه‌سازی یا تابع برازندگی، هم حاوی فواصل درون‌خوشه‌ای و هم شامل فواصل بین خوشه‌ای می‌باشد. آزمایشات مکرر بر روی تصاویر مرجع، کارایی روش CFO-Clustering را نسبت به سایر روش‌های مرسوم خوشه‌بندی نشان می‌دهد.</OtherAbstract>
    <ObjectList>
      <Object Type="Keyword">
        <Param Name="Value">الگوریتم بهینه‌سازی نیروی مرکزی
پردازش تصویر
خوشه‌بندی</Param>
      </Object>
    </ObjectList>
    <ArchiveCopySource DocType="Pdf">http://ijece.org/ar/Article/Download/28058</ArchiveCopySource>
  </ARTICLE>
</ArticleSet>