کاهش نرخ خطا در خوشه بندی داده های مجموعه داده Iris با ارائه یک نسخه بهبود یافته از الگوریتم PSO

خوشه بندی داده ها ابزار محبوبی برای تجزیه و تحلیل داده ها در اکثر رشته هاست که شامل شناخت الگو، داده کاوی، یادگیری ماشین، تجزیه و تحلیل تصویر و بیوانفورماتیک است که در هر کدام ممکن است اطلاعات با هر اندازه و شکلی و از هر توزیعی، تجزیه و تحلیل شوند. خوشه بندی به عنوان روشی برای تشخیص ساختار و گره گشایی روابط پیچیده بین حجم عظیم دادهها موثر است. روش بهبودیافته ای که بهینه سازی ازدحام ذرات بی نظم و افزایش سرعت همگرایی را ترکیب کند به کار رفته است، چرا که توانسته برای مجموعه داده Iris، نسبت به نتایج ارائه شده توسط کائو و همکارانش[۱]، نرخ خطای پایین تری را داشته باشد. این روش در بین مجموعه داده های دلخواه، مراکز خوشه مناسب را جستجو می کند و می تواند به طور موثر و کارآمد جوابهای بهتری پیدا کند.

کلیدواژه ها:

الگوریتم PSO خوشه بندی ، بهینه سازی ، مجموعه داده ، نرخ خطا