خوشه بندي خودكار داده هاي مختلط با استفاده از الگوريتم ژنتيك

Automatic Clustering of Mixed Data Using Genetic Algorithm

مساله خوشه بندي به منظور كمينه كردن مجموع مجذور انحراف، يك مساله غير خطي و غير محدب بوده و داراي تعداد زيادي نقاط بهينه محلي است. در مسايل خوشه بندي در دنياي واقعي، اغلب با مجموعه داده هايي مواجهيم كه از تركيبي از مقادير عددي و دسته اي تشكيل شده اند. در حاليكه اغلب روشهاي خوشه بندي موجود تنها بر روي داده هاي عددي از كارايي مناسبي برخوردارند و قابليت استفاده بر روي داده هاي مختلط را ندارند. از سوي ديگر، بيشتر روشهاي سنتي، تعداد خوشه ها را به عنوان ورودي از كاربر طلب مي كنند. در حاليكه در بيشتر موارد تعداد خوشه ها براي كاربر مقداري نامعلوم است و حدس زدن مقدار آن نيز به خصوص در مورد مجموعه داده هاي بزرگ كاري مشكل و حتي غيرممكن است. در اين مقاله قصد داريم تا با بهره گيري از روشي دقيق تر جهت اندازه گيري فاصله ميان مقادير دسته اي، روش جديدي را براي خوشه بندي داده هاي مختلط ارايه نماييم كه نيازي به تعيين تعداد خوشه ها به عنوان ورودي الگوريتم نداشته و قادر است همزمان با خوشه بندي داده ها، مقدار بهينه براي تعداد خوشه ها را محاسبه نمايد. در روش پيشنهادي معكوس شاخص Davies-Bouldin به عنوان تابع برازش در نظر گرفته شده و به منظور جستجوي فضاي جواب از الگوريتم ژنتيك استفاده مي شود. براي ارزيابي عملكرد الگوريتم از دو گروه از داده هاي استاندارد و شبيه سازي شده استفاده شده است. نتايج بدست آمده، عملكرد بسيار بالاي الگوريتم پيشنهادي را نشان مي دهد.