استفاده از خوشه بندی بهینه در طبقه بندی k نزدیکترین همسایه

در این مقاله با استفاده از الگوریتم های تکاملی، روش طبقه بندی kنزدیک ترین همسایه در شناسایی الگو بهبودیافته و سرعت عملکرد آن ارتقاء داده شده است. روال اصلی الگوریتم پیشنهاد شده بر این ترتیب بوده است که داده هایی را کهپیش تر با روش های طولانی و زمان بر خوشه بندی و طبقه بندی می شدند، اینک با روشی سریع تر و با درصد صحت بالاتر،خوشه بندی نموده و در نهایت توسط الگوریتمk-نزدیک ترین همسایه طبقه بندی شوند. در این مقاله با استفاده از روشی بهینه و جدید هم مجموع فواصل درون خوشه ای حداقل شده اند و هم با وزن دهی مناسب به روابط، فواصل مراکز خوشه ها، این فواصل به حداکثر مقدار خود رسیده اند. در نتیجه ی این تغییرات، خطای متداول در طبقه بندی نمونه های آزمایشی با توجه به نمونه های آموزشی حداقل شده و دقت عملکرد الگوریتم به میزان زیادی بهبود یافته است

کلیدواژه ها:

طبقه بندی ، خوشه بندی ، PSO ، KNN ، K-means ، الگوریتم ژنتیک