بهبود نتایج خوشه بندی با استفاده از الگوریتم ژنتیک

خوشه بندی یکی از مهمترین مسایل یادگیری بدون نظارت و همچنین از رایج ترین تکنیک های داده کاوی است، که برایکلاس بندی مجموعه های داده ای به زیرمجموعه های مشخص به کار می رود. الگوریتم k-means ونیز الگوریتم k-median جزو مشهورترین الگوریتم های خوشه بندی با پیاده سازی آسان و عملکرد سریع می باشند. اما حساس بودن بهمراکز خوشه اولیه سبب می شود تنها بتوانند یک پاسخ بهینه محلی تولید کنند. ازشوی دیگر الگوریتم ژنتیک که یکیالگوریتم های تکاملی است، می تواند با انتخاب ویژگی های مناسب به بالاتر بردن کارایی و دقت آن ها منجر شود. بههمین علت با استفاده از الگوریتم ژنتیک بهبود یافته، خوشه بندی بر روی داده های استاندارد IRIS, Glass & Cancer انجام شده است. نتایج پیاده سازی نشان می دهد با تغییر ساختاری در عملگرهای الگوریتم ژنتیک بهبود قابلتوجهی در خوشه بندی بوجود آمد.

کلیدواژه ها:

داده کاوی ، خوشه بندی ، الگوریتم ژنتیک ، الگوریتم k_means ، الگوریتم k_median