یک نگرش بهینه سازی میرایی ارتعاش (VDO) برای خوشه یندی داده ها

خوشه یندی یکی از روش های طبقه بندی بدون نظارت در داده کاوی می باشد که در آن یک مجموعه داده معین به یک مجموعه کلاس یا خوشه تقسیم می شود.هدف از خوشه بندی داده ها در چنین فرآیندی،این است که داده ها در خوشه ها،تا حد امکان شبیه به یکدیگر و با داده های موجود در خوشه های دیگر غیر مشابه باشند.بهینه سازی میرایی ارتعاش (VDO) یک الگوریتم فرا ابتکاری جدید مبتنی بر جمعیت برای جستجو در فضای جواب و پیدا کردن جواب های نزدیک به بهینه می باشد.در این مقاله،ما از الگوریتم VDO برای خوشه بندی داده ها استفاده می کنیم.به منظور بررسی کارایی الگوریتم پیشنهادی،پنج مجموعه داده مشهور انتخاب،حل و با جواب های حاصله از الگوریتم های K-means،الگوریتم بهینه سازی توده ذرات (PSO) و الگوریتم ژنتیک (GA) مقایسه می شود.نتایج نشان می دهند که الگوریتم پیشنهادی قوی و مناسب برای خوشه بندی داده ها است.

کلیدواژه ها:

خوشه بندی ، داده کاوی ، بهینه سازی میرایی ارتعاش