خوشه بندی مشتریان بانک با استفاده از الگوریتم ژنتیک چندهدفه بهبودیافته برمبنای معیارهای آنتروپی و مجذور مربعات خطا

Publish Year: 1396
نوع سند: مقاله کنفرانسی
زبان: Persian
View: 414

This Paper With 8 Page And PDF Format Ready To Download

  • Certificate
  • من نویسنده این مقاله هستم

این Paper در بخشهای موضوعی زیر دسته بندی شده است:

استخراج به نرم افزارهای پژوهشی:

لینک ثابت به این Paper:

شناسه ملی سند علمی:

ICIORS10_285

تاریخ نمایه سازی: 11 شهریور 1397

Abstract:

در این مقاله روشی برای دسته بندی مجموعه داده های متشکل از ویژگی های مرکب هم ویژگی های عددی و هم ویژگی های رسته ای ارایه شده است. اکثر مجموعه داده های واقعی متشکل از ویژگی های مرکب هستند و بیشتر الگوریتم های خوشه بندی مرسوم، برای مجموعه داده هایی شامل یک نوع ویژگی (یا عددی یا رسته ای) طراحی و به کار برده شده اند. همچنین اخیرا روش های جدیدی برای خوشه بندی داده هایی با ویژگی های مرکب ارایه شده است که از مکانیزم تبدیل ویژگی ها به نحوی که مستقیما توسط الگوریتم قابل استفاده باشد، استفاده می کنند اما این روش ها نیز با چالش های مهمی از جمله فقدان اطلاعات، تولید نتایج تحریف شده و ایجاد خوشه بندی با صحت پایین تر روبرو هستند. لذا در این مقاله برای حل این مشکل ضمن معرفی مساله خوشه بندی به عنوان یک مساله بهینه سازی چند هدفه، یک چارچوب برای مجموعه داده با ویژگی های مرکب بدون نیاز به تبدیل داده ها ارایه شده است و از الگوریتم تکاملی چندهدفه NSGA ii برای حل مساله استفاده شده است. الگوریتم تکاملی چندهدفه ارایه شده با بهینه سازی دو معیار آنتروپی و مجذور مربعات خطا (SSE) 1 جواب های خوشه بندی با خلوص و همبستگی بیشتر را ارایه می نماید. همچنین در این مقاله شیوه ای بهبودیافته برای ایجاد عملگرهای جهش و تقاطع، به منظور گسترش فضای جست و جو و جلوگیری از تغییر جمعیت اولیه و تاثیر روی همگرایی جواب و حذف خوشه ها در حین به کارگیری عملگرها ارایه شده است. معرفی ضریب وزنی برای یکسان سازی تاثیر داده های عددی و نامی بر معیار مجذور مربعات خطا نیز پیشنهاد شده است.

Keywords:

Authors

شهربانو رضایی

دانشجوی کارشناسی ارشد، دانشگاه صنعتی سجاد مشهد

حمیدرضا کوشا

استادیارمهندسی صنایع، دانشگاه فردوسی مشهد

محسن باقری

استادیارمهندسی صنایع، دانشگاه صنعتی سجاد مشهد