بهبود خوشه بندی داده ها به روش K_means با استفاده از بهینه سازی ازدحام ذرات بهبود یافته باتیوری آشوب آبشاری

خو شه بندی یک تکنیک تحلیل داده متداول برای شنا سایی گروه های همگن از ا شیاء بر اساس ارزش ویژگی های آنها است،که در سالهای اخیر روش های متعددی جهت بهبود خوشه بندی داده ها ارایه شده است. از میان این روش ها، الگوریتم های فرا ابتکاری هم توانسته اند عملکرد خوشه بندی را بهبود دهند. در این مقاله از ترکیب بهینه سازی ازدحام ذرات بهبود یافته با تیوری آشوب آبشاری با نگاشت لجستیک جهت بهبود خو شه بندی داده ها به روش K-means استفاده شده است. الگوریتم پیشنهادی با نام CCPSO می باشد که از ترکیب روش بهینه سازی ازدحام ذرات بهبود یافته با تیوری 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 تیوری 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.

بهبود خوشه بندی داده ها به روش K_means با استفاده از بهینه سازی ازدحام ذرات بهبود یافته باتیوری آشوب آبشاری Keywords:

داده کاوی , خوشه بندی k_means , بهینه سازی ازدحام ذرات , آشوب آبشاری