روشی برای خوشه بندی ترکیبی با استفاده از الگوریتم ازدحام ذرات بهینه شده

خوشه بندی یکی از شاخه های یادگیری نظارت نشده است که طی فرایندی نمونه ها از یکدیگر جدا و در گروه های شبیه به هم قرار میگیرند. به دلیل بدون ناظر بودن مسئله خوشه بندی، انتخاب الگوریتمی خاص جهت خوشه بندی یک مجموعه ناشناس امری پرخطر و معمولا شکست خورده میباشد. به دلیل پیچیدگی مسئله و ضعف روشهای خوشه بندی پایه، امروزه اکثر پژوهش ها به سمت روش های خوشه بندی ترکیبی هدایت شده است و همچنین برای بهبود کیفیت و استحکام خوشه ها از خوشه بندی ترکیبی استفاده میشود. پراکندگی و کیفیت نتایج اولیه از جمله عواملی است که در کیفیت نتایج حاصل از ترکیب موثر است. در این مقاله راهکاری برای بهبود دقت خوشه بندی و افزایش اطمینان پذیری سیستم، پیشنهاد شده است که مبتنی بر ازدحام ذرات میباشد. در این مقاله، از خوشه بندی ازدحام ذرات استفاده شده است که دو کار را انجام می دهد: ایجاد خوشه بند های پایه و تابع ترکیب، که پارامترهای اولیه الگوریتم خوشه بندی ازدحام ذرات مانند سرعت و وزن با استفاده از الگوریتم بهینه سازی ازدحام ذرات بهینه میشوند. این الگوریتم بر روی مجموعه داده هایی مورد ارزیابی قرار گرفت و ملاحظه شد که تغییرات دقت نسبت به روش مورد مقایسه، کمتر و میانگین دقت راهکار پیشنهادی در مجموعه داده های Iris، Bupa، Ionosphere و Wine به ترتیب %2/02، %5/75، %1/92 و %2/03 نسبت به روش مورد مقایسه بهبود داشته است.

کلیدواژه ها:

خوشه بندی ، خوشه بندی ترکیبی ، ازدحام ذرات