@article { author = {Sardar, Alireza and Zahiri, Seyed-Hamid}, title = {Unsupervised Image Clustering Using Improved Gravitational Search Algorithm}, journal = {Journal of Soft Computing and Information Technology}, volume = {1}, number = {2}, pages = {3-18}, year = {2012}, publisher = {Babol Noshirvani University of Technology}, issn = {2383-1006}, eissn = {2588-4913}, doi = {}, abstract = {Gravitational Search Algorithm (GSA) is a novel searching and optimization algorithm which has been reported recently. GSA was inspired by the gravitational forces between the mechanical objects. The movements of the searching objects in this method are based on the estimated accelerations and velocities of them. In this paper utilizing of GSA is investigated for unsupervised image clustering. At first an improvement for the conventional GSA is presented and then an appropriate fitness function is defined for unsupervised image clustering. Extensive experimental results on various data and images demonstrate the high performance of the proposed method in comparison to other algorithms.}, keywords = {Unsupervised Image Clustering,Swarm Intelligence,Gravitational Search Algorithm,Image Quantization,Image Segmentation}, title_fa = {استفاده از الگوریتم جستجوی گرانشی بهبود یافته در خوشه‌یابی خودکار تصاویر}, abstract_fa = {از نظر عملی مسئله خوشه‌یابی به عنوان یکی از مهم‌ترین مباحث در بازشناسی الگو است و به علت کاربرد فراوان آن در زمینه‌های داده‌کاوی، پردازش تصویر، ماشین بینایی و. . . توجه بسیاری از محققان را به خود جلب کرده است. هرچند تاکنون روش‌های ابتکاری مختلفی به منظور خوشه‌یابی به کار گرفته شده است، ولی در اکثر این روش‌ها، نیاز است که تعداد خوشه‌ها از قبل مشخص گردد (خوشه‌یابی نظارت شده) این مسئله یکی از مهمترین‌ترین معایب این روش‌ها محسوب می‌شود. زیرا در بعضی مسایل خوشه‌یابی، اطلاعی از تعداد خوشه‌ها در دسترس نیست. البته الگوریتم‌های مختلفی برای رفع این مشکل ارائه شده است که از آن جمله می‌توان به DCPSO، VLIGA، GCUKوMEPSO که مبتنی بر روش‌های هوش‌جمعی می‌باشد، اشاره کرد. در این مقاله سعی شده است که یک روش خوشه‌یابی نظارت نشده به منظور خوشه‌یابی تصاویر با استفاده از الگوریتم بهبود یافته جستجوی گرانشی ارائه شود. در ابتدا الگوریتم جستجوی گرانشی که یک الگوریتم جدید در زمینه هوش‌جمعی است معرفی شده و پس از بهبود عملکرد آن، (با الهام از پدیده سیاه‌چاله‌ها در طبیعت) الگوریتم خوشه‌یابی مورد نظر ارائه می‌گردد. در پایان پس از بررسی عملکرد الگوریتم پیشنهادی بر روی تعدادی مجموعه داده آزمایشی، در دو کاربرد کوانتیزه‌سازی و ناحیه‌بندی تصویر مورد بررسی قرار می‌گیرد.}, keywords_fa = {خوشه‌یابی نظارت نشده تصاویر,هوش‌جمعی,الگوریتم جستجوگر گرانشی بهبود یافته,کوانتیزه‌سازی تصویر,ناحیه‌بندی تصویر}, url = {https://jscit.nit.ac.ir/article_67322.html}, eprint = {https://jscit.nit.ac.ir/article_67322_57867e3691259144e2cb55e0cc8cebd0.pdf} }