بهبود کارآیی خوشه بندی داده ها با الگوریتم های تکاملی آشوب گونه

  • سال انتشار: 1402
  • محل انتشار: فصلنامه پژوهش های نوین در شهرهوشمند، دوره: 1، شماره: 4
  • کد COI اختصاصی: JR_RSC-1-4_001
  • زبان مقاله: فارسی
  • تعداد مشاهده: 114
دانلود فایل این مقاله

نویسندگان

سجاد منطقی

ریاست فناوری و اطلاعات، اداره کل آموزش و پرورش، کهگیلویه و بویراحمد، ایران

سارا خسروانی پور

مربی گروه کامپیوتر، اداره کل آموزش و پرورش، کهگیلویه و بویراحمد، ایران.

چکیده

امروزه، خوشه بندی نقش مهمی را در اغلب زمینه های تحقیقاتی مانند مهندسی، پزشکی، زیست شناسی، داده کاوی و ... ایفا می نماید. در واقع خوشه بندی به معنای تقسیم بندی بدون نظارت می باشد. داده ها با استفاده از آن به دسته هایی که از نظر پارامترهای موردعلاقه، شباهت بیشتری به یکدیگر دارند، تقسیم می گردند. یکی از روش های معروف در این زمینه k-means می باشد. در این روش علی-رغم وابستگی به شرایط اولیه و همگرایی به نقاط بهینه محلی، تعداد N داده به k خوشه با سرعت بالا، دسته بندی می شوند. در این مقاله جهت رفع مشکلات موجود از روش ترکیبی مبتنی بر الگوریتم های تکاملی و تئوری آشوب و k-means بهره گرفته خواهد شد؛ که علاوه بر رفع مشکلات ذکرشده، مستقل از تعداد متغیرها نیز خواهد بود. در این مقاله به منظور اعتبارسنجی، روش های پیشنهادی بر روی ۱۳ مجموعه متفاوت مشهور پیاده سازی می گردد و نتایج با روش های الگوریتم ژنتیک، اجتماع ذرات، کلونی زنبور عسل، تبرید شبیه سازی شده، تکاملی تفاضلی، جستجوی هارمونی و k-means مقایسه خواهند گردید. توانایی بالا و مقاوم بودن این روش ها بر اساس نتایج مشهود خواهد بود.

کلیدواژه ها

خوشه بندی، الگوریتم k-means، الگوریتم های تکاملی، آشوب، الگوریتم تکاملی آشوب گونه

اطلاعات بیشتر در مورد COI

COI مخفف عبارت CIVILICA Object Identifier به معنی شناسه سیویلیکا برای اسناد است. COI کدی است که مطابق محل انتشار، به مقالات کنفرانسها و ژورنالهای داخل کشور به هنگام نمایه سازی بر روی پایگاه استنادی سیویلیکا اختصاص می یابد.

کد COI به مفهوم کد ملی اسناد نمایه شده در سیویلیکا است و کدی یکتا و ثابت است و به همین دلیل همواره قابلیت استناد و پیگیری دارد.