ترکیب دو الگوریتم ممتیک کرم شب تاب و K-means برای خوشه بندی

استفاده از الگوریتم های ترکیبی سبب بهبود کارایی گردیده و باعث می گردد معایب هر یک از آنها را پوشش یابد. خوشه بندی یکی از شاخه های یادگیری بدون نظارت می باشد و K-means یکی از الگوریتم های خوشه بندی متداول می باشد که از روش مینیمم کردن تابع هدف (میانگین مربعات خطا) استفاده می نماید. الگوریتم کرم شب تاب یکی از الگوریتم های هوش جمعی است که از ویژگی نور چشمک زن کرم شب تاب الهام گرفته است و الگوریتم ممتیک کرم شب تاب عملکرد این الگوریتم را بهبود بحشیده است. در این مقاله از ترکیب این دو الگوریتم استفاده گردیده است و از چند نمونه از داده های دیتا ست UCI برای نشان دادن عملکرد این روش استفاده گردیده است. نتایج شبیه سازی نشان میدهد که این الگوریتم ترکیبی تاثیر خوبی بر عمل کلاسترینگ دارد.

کلیدواژه ها:

الگوریتم کرم شب تاب ، کلاسترینگ ، الگوریتم ممتیک ، جستجوی آشوبناک kmeans ،