بهینه سازی چندهدفه پارامترهای خوشه بندی الگوریتم DENCLUE با استفاده از الگوریتم NSGA-II

الگوریتم های خوشه بندی مبتنی بر چگالی، به ویژه DENCLUE، در مقایسه با روش های سنتی تقسیم بندی، توانایی بالایی در کشف خوشه هایی با شکل های دلخواه و مقابله با نویز دارند. با این حال، عملکرد DENCLUE به طور قابل توجهی وابسته به تنظیم دستی پارامترهای کلیدی مانند پهنای کرنل، آستانه چگالی، و آستانه ادغام جذب کننده ها است. انتخاب نامناسب این پارامترها معمولا منجر به نتایج خوشه بندی غیر بهینه شده و کاربرد عملی الگوریتم را دشوار می سازد. در این مقاله، چارچوب جدیدی برای بهینه سازی چندهدفه با عنوان NSGA-II-DENCLUE ارائه شده است که الگوریتم ژنتیکی مرتب سازی غیرمسلط دوم (NSGA-II) را با DENCLUE تلفیق می کند تا فرآیند تنظیم پارامترها به صورت خودکار انجام گیرد. ارزیابی تجربی بر روی یازده مجموعه داده معیار، نشان می دهد که چارچوب پیشنهادی عملکردی به مراتب بهتر از نسخه استاندارد DENCLUE داشته و در مقایسه با الگوریتم های پایه، نتایج رقابتی حاصل کرده است. به طور خاص، روش NSGA-II-DENCLUE میانگین شاخص ARI برابر ۰.۷۸۶ به دست آورده که بیانگر بهبودی ۲۶.۴ درصدی نسبت به DENCLUE معمولی است. این چارچوب توانست بدون نیاز به دانش پیشینی، تعداد خوشه های صحیح را در ۷۲.۷ درصد از موارد به درستی تشخیص دهد. مقایسه با رویکرد دیگر نشان می دهد که روش پیشنهادی در ۸ مجموعه داده از ۱۱ مجموعه برتری دارد.

کلیدواژه ها:

DENCLUE ، خوشه بندی مبتنی بر چگالی ، بهینه سازی چندهدفه ، تنظیم پارامتر ، NSGA-II