الگوریتم FIGKM رهیافتی برخوشه بندی بهینه

روش های مختلفی برای بالابردن توان خوشه بندی داده های بزرگ ارائه شده است یکی از شیوه های مناسب شیوه k-means است که با روشهای هوش مصنوعی مانند الگوریتم ژنتیک ترکیب شده و کارایی مطلوبی را ایجاد نموده است . در الگوریتم های کلاسیک k-means باید تعداد اولیه خوشه ها مشخص باشد . در شیوه خوشه بندی پیشنهادی از ترکیب خوشه بندی k-means مبتنی برالگوریتم ژنتیک با تکنیک های فازی جهت دستیابی به خوشه بندی بهینه درداده های بزرگ و نویز دار، استفاده شده است . شیوه پیشنهادی با استفاده از کنترلر فازی (بر تابع fitness) میزان همگرایی و کارایی الگوریتم ژنتیک k-means را در یافتن جواب بهینه سراسری و مقابله با داده های دارای نویز و پرت، افزایش می دهد . نکته قابل توجه درشیوه پیشنهادی رسیدن به تخمین مناسب تعداد خوشه ها در یک خوشه بندی با شاخص های بهینه تر، در مقایسه با روشهای ارائه شده قبلی است.

کلیدواژه ها:

الگوریتم k-means ، الگوریتم ژنتیک ، روش فازی ، ضریب fitness