خوشه بندی بوسیله الگوریتم لیگ قهرمانان

خوشه بندی فرآیند تقسیم داده ها به گروه های مجزااست به طوری که اشیای یک کلاس بیشترین شباهت را به هم داشته باشند و با اشیای سایر کلاس ها متفاوت باشند. برای یافتن k مرکز خوشه، مسئله به صورت کمینه یابی یک تابع هدف براساس نقاط داده ومراکز خوشه تعریف می شود در نتیجه خوشه بندی یک مساله بهینه یابی NP-Hard است. از طرفی دیگرتعیین تعداد خوشه ها k در یک مجموعه داده به عنوان یک پارامتر ضروری درالگوریتم خوشه بندی،دانه بندی صحیح تحلیل خوشه را کنترل می کند. هدف اصلی در این تحقیق، ارائه یک روش خوشه بندی مبتنی بر الگوریتم لیگ قهرمانان LCA برای حل مساله پیدا کردن تعداد ومراکز خوشه به صورت بهینه است که پنج معیار ضریب واریانس CS .silhouette .Davies-Bouldin و Sym-index را بهینه کند به طوریکه نسبت به روش های مشابه جواب بهتری ارائه کند. در هیچ یک از روش های قبلی این پنج معیار به صورت همزمان در نظر گرفته نشده است. نتایج روش پیشینهادی با روش های تکاملی مرسوم نشان از برتری روش LCA دارد.

کلیدواژه ها:

خوشه بندی ، الگوریتم قهرمانی در لیگ ، تعداد خوشه ها ، معیار خوشه بندی