ارائه روشی کارآمد برای بهبود عملکرد الگوریتم بهینه سازی کلاغ سیاه به منظور افزایش صحت خوشه بندی داده ها

در این تحقیق، ما به ارائه روشی کارآمد برای بهبود عملکرد الگوریتم بهینه سازی کلاغ سیاه به منظور افزایش صحت خوشه بندی داده ها می پردازیم. دو فاکتور کلیدی در این الگوریتم، احتمال آگاهی و طول پرواز هستند که پیشبینی بهینه آنها برای انسانها دشوار و زمانبر است. در این پژوهش، با استفاده از ابزار Optimize Parameters (Grid) در نرمافزار رپیدماینر، به دنبال محاسبه مقادیر بهینه این پارامترها هستیم. نتایج نشان می دهد که بهینه سازی این دو فاکتور می تواند بهبود قابل توجهی در دقت خوشه بندی داده ها ایجاد کند و زمان محاسبات را کاهش دهد. این روش پیشنهادی نه تنها کارایی

کلیدواژه ها:

الگوریتم بهینه سازی ، کلاغ سیاه ، صحت خوشه بندی ، پارامترهای بهینه ، رپیدماینر