برای خوشه بندی اسنادK-means+ Black hole

یکی از موضوعات مهم جهان امروز که مقالات متعددی نیز به آن پرداخته اند خوشه بندی اسناد می باشد. تحقیقات نشان داده است که الگوریتم های خوشه بندی partitional برای خوشه بندی Dataset های بزرگ ماننداسناد بسیار مناسب می باشند. یکی از معروف ترین این الگوریتم K-means است که پیچیدگی زمانی بسیار کمی دارد اما کارایی آن به شدت به نقاط شروع اولیه بستگی دارد و علاوه بر آن اغلب در بهینه های محلی گرفتار می شود. امروزه الگوریتم های تکاملی نشان داده اند که می توانند نسبت به K-means دقت بیشتری داشته باشند اما چنین الگوریتم های پیچیدگی زمانی بسیار بالایی دارند. یکی از این الگوریتم های تکاملی که نتایج بسیار خوبی در خوشه بندی از خود نشان داده است الگوریتم تکاملی Black hole می باشد. جهت عنوان کربن یک ایده جدید الگوریتم Black holeرا به همراه K-means برای برطرف کردن نقاط ضعف یکدیگر در عملیات خوشه بندی معرفی می نماییم . سرانجام بهتر بودن کیفیت خوشه بندی الگوریتم Black hole+K-means نسبت به الگوریتم های Black hole و K-means را در بخش نتایج و بحث نشان خواهیم داد.

کلیدواژه ها:

خوشه بندی ، Black hole ، K-means