تغییر الگور یتم GRASP برای خوشه بندی داده ها

خوشه بندی نقش مهمی در آنالیز داده ها دارد. هدف از خوشه بندی، افراز مجموعه ی متناهی از داده ها در گروه ها یا خوشه های مجزاست به طوری که داده ها با بیشترین تشابه به گروه یا خوشه یکسان اختصاص داده شوند و داده های غیرمتشابه در خوشه های مختلف قرار گیرند. آنالیزخوشه با مجموعه داده هایی که به صورت یک بردار از اندازه ها یا یک نقطه در فضای چندبعدی نشان داده می شوند، سر و کار دارد. در این مقاله،ازمعیار حداکثر فاصله ی بین نقاط در خوشه های مختلف، برای خوشه بندی داده ها استفاده می شود و الگوریتم GRASP برای حل مدل بکار می رود.نتایج آزمایش های عددی انجام شده، کارایی روش را به خوبی نشان می دهد

کلیدواژه ها:

خوشه بندی ، GRASP ، اندازه تشابه ، برنامه ریزی عدد صحیح غیرخطی