بهینه سازی الگوریتم k-میانگین در خوشه بندی داده ها با استفاده از الگوریتم هوش جمعی بهینه سازی گرگ خاکستری و الگوریتم تشخیص داده پرت جنگل جداسازی

امروزه علم داده و خوشه بندی داده ها به عنوان ابزارهای حیاتی برای تحلیل و پردازش داده های خام و استخراج دانش به منظور تصمیم سازی و تصمیم گیری های کلان شناخته می شوند. یکی از روش های اصلی طبقه بندی داده ها، خوشه بندی است که در آن عناصر درون هر خوشه باید با یکدیگر مشابه و با عناصر خوشه های دیگر متفاوت باشند. الگوریتم k- میانگین به عنوان یکی از روش های پرکاربرد در خوشه بندی داده ها به شمار می آید و در بسیاری از کاربردهای عملی مورد استفاده قرار می گیرد. با این حال، این الگوریتم دارای دو نقص اساسی است: اول، وابستگی شدید کیفیت خوشه ها به انتخاب مراکز اولیه، و دوم، تاثیر نقاط پرت بر عملکرد خوشه بندی. در این مقاله، یک روش پیشرفته برای بهینه سازی الگوریتم  k- میانگین با استفاده از الگوریتم بهینه سازی گرگ خاکستری (GWO) برای انتخاب اولیه مراکز خوشه و همچنین الگوریتم جنگل جداسازی (IF) برای حذف نقاط پرت معرفی شده است. در این مقاله آزمایش های مختلف بر روی مجموعه داده های سنتزی و داده های واقعی انجام شد و هر کدام از آزمایش ها با دو سنجه شاخص رند اصلاح شده و خطای تعداد خوشه ها (میانگین اختلاف بین تعداد خوشه های واقعی و تعداد براورد شده توسط الگوریتم) مورد ارزیابی قرار گرفتند. آزمایش های انجام شده نشان داد که الگوریتم پیشنهادی هم از نظر شاخص رند اصلاح شده و هم از نظر خطای تعداد خوشه ها پیشرفت قابل ملاحظه ای را در مقایسه با k-میانگین پایه نشان می دهد. به گونه ای که در شاخص رند اصلاح شده، امتیاز آن از ۷۴/۰ به ۹۳/۰ ارتقا یافت. همچنین از نظرمیانگین تعداد خطای خوشه ها، میانگین خطای آن از عدد ۴۷/۰ به ۱۶/۰ کاهش یافت این آزمایش های گسترده و متعدد بر روی داده های متنوع نشان داد که این الگوریتم ترکیبی توانسته است به شکل قابل ملاحظه ای الگوریتم  k- میانگین اولیه را از جهات گوناگون بهبود ببخشد و بتواند راه حلی نویدبخش برای کاربردهای آتی خوشه بندی داده ها باشد.

کلیدواژه ها:

خوشه بندی داده ها ، الگوریتم k-میانگین ، الگوریتم بهینه سازی گرگ خاکستری ، الگوریتم جنگل جداسازی