بهبودخوشه بندی داده ها در K-meansبااستفاده ازآتوماتای سلولی والگوریتم بهینه یابی جفت گیری زنبورهای عسل HBMO

باتوجهبه حجم بسیاربالای داده هایی که دردنیای امروزبا آن سروکارداریمنیاز به روشهایی همچون داده کاوی برای تحلیل این حجم بزرگ ازداده ها ضروری است ویکی ازمهمترین شاخههای داده کاوی خوشه بندی می باشد همچنین نیاز به روشهایی داریم که تبواند با سرعت ودقت بسیاربالا داده ها را تحلیل نماید یکی ازاین روشها استفاده ازاتوماتای سلولی باتوجهبه توان موازی سازی بسیاربالای آن می باشد ازطرفی باتوجه به رشد روشهای تکاملی دردهه های اخیراین روشها به عنوان یک ابزار جستجووبهینه سازی درحوزه های مختلف علوم می باشند وهمچنین سهولت استفاده وقابلیت دستیابی به جواب نزدیک به بهینه مطلق ازدلایل موفقیت این روشها می باشد دراین مقاله خوشه بندی K-means را با استفاده ازیک مدل ترکیبی انجام داده ایم جهت ارزیابی الگوریتم ازسه مجموعه داده استاندارد Breast-Cancer و Wine ) Iris استفاده ودونوع ازمایش متفاوت را برروی این سه مجموعه داده انجام داده ایم نتایج نشان دهنده این است که الگوریتم پیشنهادی دارای کیفیت زمان اجرا و مقداربرازش بهتری درخوشه بندی داده ها می باشد

کلیدواژه ها:

اتوماتای سلولی ، الگوریتم بهینه یابی جفت گیری زنبورهای عسل ، خوشه بندیK-means