یافتن پارامترهای بهینه برای الگوریتم خوشه بندی ADBSCAN با استفاده از الگوریتم ژنتیک
Publish place: 9th International Conference on Web Research
Publish Year: 1402
نوع سند: مقاله کنفرانسی
زبان: Persian
View: 183
This Paper With 6 Page And PDF Format Ready To Download
- Certificate
- من نویسنده این مقاله هستم
استخراج به نرم افزارهای پژوهشی:
شناسه ملی سند علمی:
IRANWEB09_006
تاریخ نمایه سازی: 17 خرداد 1402
Abstract:
خوشه بندی، فرآیندی است که مجموعه ای از اشیاء را به گروههای مجزا افراز می کند که هر افراز یک خوشه نامیده می شود. در یک خوشه بندی، مطلوب است تا اعضاء هر خوشه از لحاظ ویژگی ها، به یکدیگر شبیه باشند. همچنین ، لازم است تا میزان شباهت بین نمونه هایی که در خوشه های متفاوت هستند، پایین باشد. به صورت کلی ، الگوریتم های خوشه بندی از یکی از رویکردهای افرازی، سلسله مراتبی ، چگالی ، مبتنی بر مدل و یا ترکیبی از آنها استفاده می کنند . الگوریتم ADBSCAN، الگوریتمی برای خوشه بندی دادگان و مبتنی بر چگالی است . این الگوریتم ، یک روش جدید برای شناسایی نمونه های محلی با چگالی بالا با استفاده از خواص ذاتی گراف نزدیکترین همسایگی را ارائه می کند . در این الگوریتم ، از دو پارامتر k (تعداد نزدیکترین همسایگان) و درصد نویز در مجموعه دادهاستفاده می شود. این دو پارامتر، تاثیر به سزایی در نتیجه محاسبات و کیفیت خروجی دارند. بنابراین ، لازم است تا این دو مقدار در بهینه ترین حالت ممکن تنظیم شوند. جستجوی فراگیر، یکی از راهکارهای یافتن مقدار بهینه است . به منظور کاهش زمان جستجو، در این مقاله از روش جستجوی ژنتیک برای یافتن مقادیر بهینه ی این پارامترها استفاده شده است . با به کارگیری روش پیشنهادی، به صورت متوسط ، ۴۶/۱۱ درصد بهبود در معیار ARI حاصل شده است .
Keywords:
Authors
مطهره انتظامی
کارشناسی ارشد علوم کامپیوتر، علوم کامپیوتر، دانشگاه ولی عصر، رفسنجان
علی شکیبا
استادیار گروه علوم کامپیوتر، دانشگاه ولی عصر، رفسنجان