ارائه یک الگوریتم خوشه بندی ترکیبی مبتنی بر الگوریتم کرم شبتاب و شبکه عصبی خودسازمانده

خوشه بندی یکی از مسائل مهم درزمینه یادگیری ماشین، داده کاوی و الگوشناسی است. اگر فضای ویژگی در نظر گرفته برای تفکیک گروه های مختلف داده مناسب نباشد، مساله خوشه بندی داده ها میتواند تبدیل به مساله ی پیچیده ای شود. به عبارت دیگر، اگر معیار فاصله نتواند به خوبی عدم شباهت داده ها را نشان دهد، الگوریتم های رایج خوشه بندی قادر نیستند کارایی مطلوب را از خود نشان دهند. در دهه ی اخیر بحث خوشه بندی بر مبنای الگوریتم های بهینه سازی مطرح و موردتوجه قرارگرفته است. برای این منظور، الگوریتم های که بر اساس شبیه سازی رفتار حیوانات استفاده می نمایند، معرفی شده اند. اخیرا الگوریتم کرم شبتاب به عنوان یک روش قدرتمند مورد بررسی قرارگرفته است. بسیاری از این روشها توانسته اند انحراف معیار و حداقل تابع هزینه را به طور چشمگیری کاهش دهند. در این مقاله، با ارائه یک الگوریتم ترکیبی مبتنی بر شبکه عصبی خودسازمانده و الگوریتم کرم شبتاب برای خوشه بندی داده های گسسته به عنوان انعطاف پذیرترین رویکردی که میتواند پارامترهای گفته شده را کاهش دهد، استفاده کرده ایم. در روشهای پیشنهادی سعی بر آن است که با به حداقل رساندن انحراف معیار و مقدار تابع هزینه بتوانیم پیچیدگی موجود در فضای داده (ساختار خوشه ها) را پوشش دهیم و فضایی را فراهم آوریم که مراکز خوشه به دست آمده کمترین فاصله را با داده ها داشته باشند. نتایج ارزیابی روش پیشنهادی و مقایسه آن با سایر روشهای موجود، عملکرد مطلوب روش پیشنهادی بر روی مجموعه داده های مختلف را نشان می دهد.

کلیدواژه ها:

خوشه بندی داده ها ، شبکه عصبی خودسازمانده ، الگوریتم کرم شبتاب