ارائه الگوریتمی نوین جهت بهبود روش خوشه بندی DBSCAN با استفاده از الگوریتم های تکاملی ممتیک

خوشه بندی، فرآیندی است که به کمک آن میتوان مجموعه ای از اشیاء را به گروه های مجزا دسته بندی کرد. هر دسته یک خوشه نامیده می شود. اعضاء هر خوشه با توجه به ویژگی هایی که دارند به یکدیگر بسیار شبیه هستند و در عوض میزان شباهت بین خوشه ها کمترین مقدار است. در چنین حالتی هدف از خوشه بندی، نسبت دادن برچسب هایی به اشیاء است که نشان دهنده عضویت هر شیء به خوشه است DBSCAN یکی از الگوریتم های بسیار قوی در زمینه خوشه بندی است که وابسته به دو پارامتر است. یکی از آنها شعاع است و دومی حداقل نقاط موجود در یک خوشه است . مشکل DBSCAN این است که نسبت به پارامتر های ورودی بسیار حساس است و ما در این مقاله با استفاده از روش های پردازش تکاملی این مشکل را حل کردیم . و یک الگوریتم جدید ارائه داده ایم که در آن الگوریتم DBSCAN دو پارامتر اساسی خود را به صورت اتوماتیک تعیین میکند و بسیار کارآمد است

کلیدواژه ها:

و D-BSCAN ، خوشه بندی ، پردازش تکاملی ، بهینه سازی