خوشه بندی بهینه داده ها با استفاده از الگوریتم مرغ مگس خوار مصنوعی

این مقاله یک روش نوین خوشه بندی داده ها با استفاده از ترکیب الگوریتم k-means و الگوریتم بهینه سازی مرغ مگس خوار مصنوعی را ارائه می کند. خوشه بندی داده ها یکی از موضوعات مهم در حوزه داده کاوی و یادگیری ماشین است که کاربردهای گوناگونی از جمله تفسیر الگوها، پیش بینی مقادیر، و تجزیه و تحلیل داده ها را دارد. الگوریتم خوشه بندی k-means به دلیل سادگی و سرعت بالای خود محبوبیت خاصی دارد. با این حال، حساسیت آن به انتخاب نقاط اولیه و گیر افتادن در بهینه محلی همچنان چالش هایی را به دنبال دارد. برای حل این چالش ها، روش ارائه شده سعی می کند با بکارگیری الگوریتم مرغ مگس خوار مصنوعی، تعداد و ساختار بهینه ی خوشه ها را به طور خودکار تعیین کند. روش پیشنهادی با استفاده از جمعیت اولیه از مرغان مگس خوار داده ها را بازنمایی کرده و با استفاده از اپراتورهای جستجوی محلی، ساختار خوشه ها را بهینه سازی می کند. آزمایش های انجام شده نشان می دهد روش پیشنهادی، عملکرد بهتری نسبت به روش های مشابه دیگر دارد و چالش های تعیین تعداد مناسب خوشه ها و گیر افتادن در بهینه محلی را تا حدود زیادی مرتفع می کند

کلیدواژه ها:

خوشه بندی ، الگوریتم مرغ مگس خوار ، الگوریتم های فراابتکاری ، بهینه سازی ، خوشه بندی خودکار