بهبود خوشه بندی داده ها به روش K_means با استفاده از بهینه سازی ازدحام ذرات بهبود یافته با تئوری آشوب آبشاری
Paper ID : 1188-ICTCK (R3)
Authors:
1دنیا قسوری *, 1افشین افروغی نیا, 2مهدی یعقوبی
1دانشجو
2دانشیار
Abstract:
خوشه بندی یک تکنیک تحلیل داده متداول برای شناسایی گروه های همگن از اشیاء بر اساس ارزش ویژگی های آنها است،که در سالهای اخیر روش های متعددی جهت بهبود خوشه بندی داده ها ارائه شده است. از میان این روش ها، الگوریتم های فراابتکاری هم توانسته اند عملکرد خوشه بندی را بهبود دهند. در این مقاله از ترکیب بهینه سازی ازدحام ذرات بهبود یافته با تئوری آشوب آبشاری با نگاشت لجستیک جهت بهبود خوشه بندی داده ها به روشK-means استفاده شده است. الگوریتم پیشنهادی با نامCCPSO می باشد که از ترکیب روش بهینه سازی ازدحام ذرات بهبود یافته با تئوری آشوب آبشاری لجستیک ایجاد شده است، نتایج شبیه سازی نشان می دهد که خوشه بندی روش پیشنهادی نسبت به خوشه بندی با روش بهینه سازی ازدحام ذرات بدون تئوری آشوب آبشاری ، دارای دقت بیشتری نیز می باشد. همچنین نتایج روش پیشنهادی بر روی توابع محک نشان میدهد که در بیشتر مواقع بهتر از الگوریتم های فراابتکاری دیگر از جمله ژنتیک، بهینه سازی ازدحام ذرات پایه، الگوریتم رقابت استعماری و بهینه سازی گرگ خاکستری عمل می کند.
Keywords:
داده کاوی، خوشه بندی k_means، بهینه سازی ازدحام ذرات، تئوری آشوب آبشاری
Status : Paper Accepted