مروری برترکیب الگوریتم ژنتیک و الگوریتم خوشه بندی k-means جهت بهینه سازی خوشه ها

خوشه بندی یکی از مهمترین مسایل یادگیری بدون نظارت و هچنین از رایج ترین تکنیک های داده کاوی است که برای کلاس بندی مجموعه داده های به زیر مجموعه های مشخص به کار میرود الگوریتم k_means نیز یکی از مشهورترین الگوریتم خوشه بندی با پیاده سازی اسان و عملکرد سریع میباشد اما حساس بودن به مراکز خوشه اولیه سبب میشود تنها بتواند یک پاسخ بهینه محلی تولید کند. ژنتیک تکنیک جستجویی در علم رایانه برای یافتن راه حل تقریبی برای بهینه سازی و مسایل جستجو است. الگوریتم ژنتیک نوع خاصی از الگوریتم های تکامل است که از تکنیک های زیست شناسی فراگشتی مانند وراثت و جهش استفاده میکند. این الگوریتم برای اولین بار توسط جان هالند معرفی شد در واقع الگوریتم های ژنتیک از اصول انتخاب طبیعی داروین برای یافتن فرمول بهینه جهت پیشبینی یا تطبیق الگو استفاده میکنندکه با ترکیب روش خوشه بندی k-means با الگوریتم ژنتیک و بهینه سازی گروهی ذرات دقت خوشه بندی را بهبود ببخشد و از افتادن در دام بهینه محلی جلو گیری نمایید

کلیدواژه ها:

خوشه بندی k-means ، الگوریتم ژنتیک ، بهینه سازی ، داده کاوی