افزایش کارایی خوشه بندی داده ها با استفاده از روش دو مرحله ای ترکیبی الگوریتم های بهینه سازی فاخته و چیتا

خوشه بندی به معنای تقسیم بندی بدون نظارت است، به وسیله ی آن داده ها به دسته هایی تقسیم می شوند که از نظر پارامترهای مورد علاقه، شباهت بیشتری به یکدیگر دارند. امروزه، با هدف افزایش صحت و دقت خوشه بندی، از روش های دومرحله ای استفاده می شود. در این پایان نامه، به منظور خوشه بندی بهینه داده ها، از تکنیک دومرحله ای الگوریتم بهینه سازی فاخته و الگوریتم بهینه سازی چیتا استفاده شده است. در مرحله اول، الگوریتم بهینه سازی فاخته، تعداد خوشه های بهینه را به صورت اتوماتیک با استفاده از شاخص دیویس-بولدین استخراج می کند. سپس خوشه های بدست آمده از الگوریتم بهینه سازی فاخته، به منظور بهبود ساختار خوشه ها، به الگوریتم بهینه سازی چیتا ارسال می شوند. در مرحله دوم نیز از شاخص دان برای ارزیابی هزینه خوشه بندی استفاده می شود. برای ارزیابی روش پیشنهادی، آزمایش های متنوعی بر روی دیتاست های مختلف انجام شده است و نتایج حاصل نشان می دهد که عملکرد روش ارائه شده قابل قبول است. با توجه به اهمیت روش های خوشه بندی در تحقیقات مختلف، بهبود صحت و دقت این روش ها از اهمیت بالایی برخوردار است. هدف این پایان نامه، ارائه

کلیدواژه ها:

خوشه بندی ، الگوریتم بهینه سازی ، الگوریتم فاخته ، الگوریتم چیتا ، داده ها