A cultural algorithm for data ‎clustering‎

ھدف از اين مقاله كاربرد ماتريس ھاي عملياتي دقيق به جاي ماتريس ھاي عملياتي تقريبي شناخته شده براي حل معادلات نوع لين-امدن مي باشد. تا به حال، ماتريس ھاي عملياتي دقيق توسط نويسندگان اين مقاله، تنھا براي حل معادلات ديفرانسيل با درجه غير خطي پايين به كار رفته اند كه قدرت اصلي روش را به خوبي نشان نمي دھند. لذا، در اين مقاله روش را براي حل معادلات لين-امدن به كار مي بريم. براي نشان دادن قدرت و دقت روش ارايه شده از ابزار ھاي نرم- 1و نرم باقيمانده استفاده خواھيم كرد و نشان خواھيم داد كه ماتريس ھاي عملياتي دقيق دقت بالاتري نسبت به ماتريس ھاي عملياتي تقريبي از قبل شناخته شده دارند

Clustering is a widespread data analysis and data mining technique in many fields of study such as engineering, medicine, biology and the like. The aim of clustering is to collect data points. In this paper, a Cultural Algorithm (CA) is presented to optimize partition with N objects into K clusters. The CA is one of the effective methods for searching into the problem space in order to find a near optimal solution. This algorithm has been tested on different scale datasets and has been compared with other well-known algorithms in clustering, such as K-means, Genetic Algorithm (GA), Simulated Annealing (SA), Ant Colony Optimization (ACO) and Particle Swarm Optimization (PSO) algorithm. The results illustrate that the proposed algorithm has a good proficiency in obtaining the desired ‎results.‎