یک رویکرد الگوریتمی از بهینه سازی ازدحام ذرات در خوشه بندی توافقی

سیده گیتا میروهابی¹ احسان یثربی نایینی²

1) مدرس دانشگاه تربت حیدریه،ایران -
2) هیات علمی دانشگاه تربت حیدریه،ایران -

کد IOI مقاله : XYZG-ZAAEB
محل انتشار : دومین کنفرانس بین المللی علوم و مهندسی(2icesconf.com)
چکیده :
    خوشه بندی تخصیص دادن اشیاء به گروههایی است که خوشه نامیده می شود به طوری که اجسام داخل هر خوشه به هم شبیه تر می باشند و با خوشه های دیگر متفاوت هستند. اغلب شباهت ها با توجه به معیار فاصله ارزیابی می شود. خوشه بندی یک تکنیک رایج برای تجزیه و تحلیل داده های آماری است که در بسیاری از زمینه ها، از جمله یادگیری ماشین، داده کاوی، تشخیص الگو، تجزیه و تحلیل تصویر و بیوانفورماتیک است. خوشه بندی توافقی یک روش برای تعیین تعداد داده ها در یک خوشه و در درون یک مجموعه داده است. خوشه بندی توافقی می تواند مزایای فراتر از یک الگوریتم خوشه بندی تنها را داشته باشد. در الگوریتم های خوشه بندی توافقی اغلب: یک خوشه بهتر تولید می کند و یک خوشه ترکیبی دست نیافتنی توسط هر الگوریتم خوشه بندی تک پیدا می شود. الگوریتم بهینه سازی ازدحام ذرات یک روش بهینه سازی است که تلاش می کند برای پیدا کردن راه حل بهینه از طریق شبیه سازی برخی از ایده های برگرفته شده از تحصیلات ماهی، هجوم آوردند پرنده، و دیگر گروه های اجتماعی، در این مقاله، الگوریتم بهینه سازی ازدحام ذرات برای حل مشکل خوشه بندی توافقی ارائه شده است.

کلمات کلیدی : داده کاوی خوشه بندی توافقی بهینه سازی ازدحام ذرات الگوریتم مجموعه داده