بهبود کارایی الگوریتم K-Means با استفاده از الگوریتم ژنتیک

خوشه بندی از مباحث مهم داده کاوی محسوب می شود. الگوریتم K-Means یکی از مهمترین الگوریتم های خوشه بندی است که در عین سادگی و کاربرد زیاد، دارای معایبی است. یکی از عیب ها این است که روالی مشخص برای محاسبه اولیه مراکز خوشه ها وجود ندارد و به صورت تصادفی انتخاب می شود. در این مقاله، با استفاده از الگوریتم های تکاملی روشی برای بهبود عملکرد الگوریتم K-Means با انتخاب نقاط اولیه خوشه بندی ارایه شده است.

کلیدواژه ها:

خوشه بندی ، داده کاوی ، الگوریتم K-Means ، الگوریتم تکاملی