بهبودی بر خوشه بندی داده ها با استفاده از روش های فراابتکاری

خوشه بندی داده ها یکی از اساسی ترین وظایف داده کاوی است. با استفاده از روش های فراابتکاری می توان عملیات خوشه بندی داده ها را در محیط بدون ناظر انجام داد. برای انجام خوشه بندی با استفاده از روش های فراابتکاری باید تابع هدفی ارایه داد که بتواند کیفیت خوشه بندی انجام شده را محاسبه کند. در این مقاله علاوه بر ارایه چندین معیار ارزیابی خوشه که بتوان کیفیت خوشه بندی را اندازهگیری کند به ارایه راهکاری جهت افزایش کیفیت خوشه بندی و همچنین مقیاس پذیری این دسته از الگوریتم ها پرداخته خواهد شد. راهکاری که در این مقاله برای افزایش کیفیت ارایه می شود، استفاده از مرکز خوشه محاسباتی خوشه های تشکیل شده توسط هر ذره از الگوریتم فراابتکاری درجه تتعیین مقدار تابع برازش. راهکاری هم که برای مقیاس پذیری استفاده می شود نمونه گیری تصادفی از داده ها در هر ذره است.

Keywords:

داده کاوی , خوشه بندی , الگوریتم های الهام گرفته از طبیعت