شماره ركورد كنفرانس :
4822
عنوان مقاله :
روشي نوين براي خوشه بندي با استفاده از تركيب الگوريتم هاي K-means و WOA و ABC
پديدآورندگان :
ملك زاده سرائي اسماعيل esmaeil.malekzadeh.s@gmail.com گروه مهندسي كامپيوتر، دانشكده علامه محدث نوري؛ , صالحي پويان pouyan.salehii@gmail.com موسسه آموزش عالي علوم و فن آوري آريان، اميركلا بابل؛ , مشهدي بابايي بيشه معصومه m.mashhadibabaei@gmail.com موسسه آموزش عالي علوم و فن آوري آريان، اميركلا بابل؛
كليدواژه :
k-means , الگوريتم بهينه سازي نهنگ , الگوريتم كلوني زنبور عسل.
عنوان كنفرانس :
سومين كنفرانس ملي رويكردهاي نوين در آموزش و پژوهش
چكيده فارسي :
يكي از با اهميت ترين مسائل يادگيري بدون نظارت و همچنين از كاربردي ترين روشها در داده كاوي مسئله خوشه بندي است. كه براي كلاس بندي مجموعه داده ها به زير مجموعه مشخص به كار مي رود . الگوريتم k-menas نيز يكي از مشهورترين الگوريتم هاي خوشه بندي با پياده سازي آسان و عملكرد سريع ميباشد. اما حساس بودن به مركز خوشه اوليه سبب ميشود تنها بتواند يك پاسخ بهينه محلي توليد كنند. در اين پژوهش راهكارهاي پيشنهاد شده است با تركيب روش خوشه بندي k-menas با دو الگوريتم وال سفيد و بهينه سازي گروهي ذرات خوشه بندي را بهبود بخشيده و افتادن در دام بهينه محلي جلوگيري نمايد. براي ارزيابي الگوريتم خوشه بندي ارائه شده از سه مجموعه داده اي واقعي و استاندارد Iris, Wine, CMC استفاده شده و با روش خوشه بندي k-means و و الگوريتم وال و و بهينه سازي گروهي ذرات و الگوريتم هاي خوشه بندي فرا اكتشافي و تركيب استخراج از مقالات مقايسه شده است نتايج مقايسه ها حاكي از آن است كه كارايي الگوريتم تركيبي پيشنهادي نسبت به ساير روش ها بهتر مي باشد و اين روش تا حد زيادي توانسته مشكلات الگوريتم به كار رفته در پياده سازي آن را پوشش دهد.
