استفاده از هوش ازدحامی جهت خوشه بندی با دیدگاه های جدید در داده کاوی

هوش جمعی خاصیتی است سیستماتیک که در این سیستم، عامل ها به طور محلی باهم همکاری می نمایند و رفتار جمعی تمام عامل ها باعث یک همگرایی در نقطه ای نزدیک به جواب بهینه سراسری می شود، نقطعه قوت این الگوریتم عدم نیاز به یک کنترل سراسری می باشد. هر ذره (عامل) در این الگوریتم ها خودمختاری نسبی دارد که می تواند در سراسر فضای جوابها حرکت کند و می بایست با سایر ذرات (عامل ها) همکاری داشته باشد .افزایش داده های موجود، توجه رویکردهای خوشهبندی را به عنوان راهی برای تجمیع منسجم آنها و الگوها در داده های بزرگ جلب کرده است. از این رو، تکنیکهای هوش جمعی میتوانند از تکنیکهای خوشه بندی استاندارد در برخی مسائل واقعی بهتر عمل کنند. در واقع، آنها میتوانند جایگزین تکنیکهای استاندارد در برخی موارد شوند. این تحقیق یک بررسی جامع سیستماتیک بر روی الگوریتمهای ازدحامی برای مقابله با مشکلات خوشه بندی ارائه میکند که بر روی توابع تناسب، شاخصهای اعتبارسنجی، طرحهای رمزگذاری، پیشنهادات ترکیبی، برنامه های کاربردی مکرر و موارد دیگر را مورد بررسی قرار میدهد. در نهایت یک نمای کلی از نحوه بکارگیری روشهای ازدحامی همراه با تحلیل انتقادی از دیدگاه های فعلی و آینده در این زمینه ارائه میشود.

کلیدواژه ها:

هوش جمعی ، بهینه سازی فرایندها ، کشف دانش ، تکنیکهای استاندارد.