روشي براي خوشه‌بندي تكاملي با استفاده از الگوريتم كرم شب‌تاب

An evolutionary clustering algorithm based on firefly algorithm

به موازات گسترش وب و افزايش حجم اطلاعات موجود در پايگاه‌هاي داده، همواره روش‌هاي استخراج اطلاعات و روندهاي سودمند از اين پايگاه‌ها رو به افزايش بوده است. از اين رو در پژوهش حاضر سعي شده است تا الگوريتمي جديد براي بهبود الگوريتم بسيار كاربردي و ساده‌ي K-Means ارائه شود. يكي از بزرگ‌ترين ايراداتي كه به الگوريتم K-Means وارد است، انتخاب مراكز اوليه‌ي خوشه‌ها به صورت تصادفي است، كه همواره پاسخ نهايي اين الگوريتم را تحت تأثير قرار مي‌دهد، در نتيجه در الگوريتم حاضر سعي شده است تا با بهره‌گيري از الگوريتم كرم شب‌تاب اين نقص را بهبود داد. هر دو الگوريتم پيشنهادي و K-Means بر روي پايگاه داده‌ي عمومي و معتبر MovieLens پياده‌سازي شدند. نتايج حاصل از شاخص اعتبارسنجي ديويس بولدين نيز نشان دهنده‌ي بهبود چشمگير اين الگوريتم مي‌باشد.

As the web expansion and increase of available data in databases, the ways of extracting useful knowledge and trends has been increasing continuously. Hence, this research tries to provide a new practical and effectiveness algorithm based on K-Means. One of the biggest drawbacks of K-means algorithm is the random selection of initial cluster centers, which affect the final solution. Therefore, the proposed algorithm would resolve this problem by using of Firefly Algorithm. Both proposed and K-Means algorithm has been implemented on the public and valid MovieLens database. The results of the Davies-Bouldin validation index also indicate the Dramatic improvements of this algorithm.