بهبود الگوریتم خوشه بندی DENCLUE با استفاده از الگوریتم MOGA

خوشه بندی یکی از روش های اصلی در زمینه داده کاوی، برای کشف دانش است. خوشه بندی یک تکنیک تجزیه و تحلیل داده های اکتشافی است که اشیاء داده های مختلف را در گروه های مشابه، به نام خوشه ها، دسته بندی می کند. همچنین الگوریتم خوشه بندیDENCLUE ( DENsity CLUstEring ) ، یک الگوریتم مبتنی بر چگالی قوی برای کشف خوشه هایی با اشکال و اندازه های دل خواه است، که خوشه ها را به عنوان نواحی متراکم متصل بسته به دو پارامتر مهم تعریف می کند. لذا ما در این پژوهش با استفاده از الگوریتم ژنتیک چند هدفه MOGA مبتنی بر روش های پردازش تکاملی به بررسی و حل این مشکل پرداخته و یک الگوریتم جدید ارائه داده ایم که در الگوریتم DENCLUE دو پارامتر اساسی به صورت خودکار تعیین شده و بسیار کارآمد است. نتایج آزمایشات نشان دهنده ی برتری الگوریتم پیشنهادی در قیاس با برخی الگوریتم خوشه بندی مشهور می باشد.

کلیدواژه ها:

DENCLUE ، خوشه بندی ، پردازش تکاملی ، الگوریتم ژنتیک ، بهینه سازی