بهبود تکنیک خوشه بندی K-Means با استفاده از الگوریتم فراابتکاری میگو

الگوریتم K-Means از پر کاربردترین الگوریتم های خوشه بندی است که در بسیاری از زمینه های هوش مصنوعی کاربرد دارد. لیکن مهم ترین چالش الگوریتم فوق تعیین تعداد خوشه های بهینه می باشد. تاکنون رویکردهای مختلفی جهت مرتفع نمودن این چالش، مطرح شده که علیرغم بهبود نتیجه خوشه بندی الگوریتم K-Means، هنوز دقت قابل قبولی در جهت تعیین تعداد خوشه های بهینه برای این الگوریتم حاصل نشده است. در این مقاله، با بکارگیری الگوریتم بهینه سازی میگو بهبود یافته، اقدام به تعیین تعداد خوشه بهینه برای الگوریتم خوشه بندی K-Means گردید که علاوه بر بهبود دقت خوشه بندی، زمان اجرا نیز به میزان قابل توجهی کاهش یافت. جهت ارزیابی راندمان روش پیشنهادی، از دیتاست های Iris ، Lung Cancer و ۳D Spatial network استفاده شد. نتایج شبیه سازی روش پیشنهادی در محیط متلب، بیانگر افزایش ۴% دقت خوشه بندی، به صورت میانگین، با اعمال الگوریتم بهینه سازی میگو بهبود یافته نسبت به سایر روش های موجود در این حوزه بوده است

کلیدواژه ها:

خوشه بندی ، الگوریتم K-Means ، الگوریتم بهینه سازی میگو ، بهینه سازی