خوشه بندی داده ها به روش الگوریتم فاخته

خوشه بندی ازجمله روشهای پرکاربرد درتجزیه و تحلیل داده ها است که بدون هیچ دانش قبلی داده ها را به گروه های معنی داری تقسیم می کند که یکی ازموضوعات اساسی درداده کاوی است دراین مقاله یک الگوریتم خوشه بندی جدید براساس سبک خاص زندگی جمعی یک دسته پرنده بنام فاخته ارایه شده است الگوریتم فاخته که یکی ازروشهای جدیدبهینه سازی تکاملی می باشد که باالهام گرفتن ازروش تخم گذاری فاخته ها پروش تخم ها تلاش برای زنده ماندن درمیان دیگرفاتخه ها و مهاجرت به سمت محیط بهتر برای مساله خوشه بندی داده ها استفاده شده است الگوریتم معروف خوشه بندی k-means به مقدرادهی اولیه بسیارحساس است و بهراحتی دربهینه های محلی گیرمی افتد درصورتی که الگوریتم پیشنهادشده به خوشه های بااندازه و ابعادمتفاوت حساس نیست برای مجموعه داده های چندبعدی مناسب است و همچنین سرعت بسیارخوبی درهمگرایی به نقطه بهینه سراسری و دقت بالا درحل مسائل ازخود نشان داده است کارایی الگوریتم پیشنهادی برروی مجموعه های داده ای پایگاه UCI موردارزیابی قرارگرفته است نتایج بدست امده ازازمایشات نشان دهنده بهبود عملکرد این الگوریتم درمقایسه با الگوریتم های معروف خوشه بندی همچون k-means و PSO است

کلیدواژه ها:

الگوریتم بهینه سازی فاخته ، الگوریتم تغییریافته فاخته ، خوشه بندی ، داده کاوی