بهبود خوشه بندی K-Means با الگوریتم مگس میوه

خوشه بندی داده ها به کلاسها یا دسته های متناسب، یکی از مباحث مهم مطرح در تشخیص الگوست. آنچه در خوشهبندی حایز اهمیت است انجام این کار به گونه ای ست که، داده هایی که درست طبقه بندی نشده اند به حداقل برسند یا به عبارت دیگر در هرکلاس داده هایی قرار بگیرند که حداکثر نزدیکی مشابهت را با هم داشته باشند. هدف این مقاله اینست که باکمک الگوریتم بهینه سازی مگس میوه، مدل پیشنهادی جدیدی که آن را FOA-Clustering نام نهاده ایم جهت بهبود روش K-Means معرفی کنیم. در پایان، روش مزبور بر روی مجموعه ای از داده ها،آزمایش شده است. نتایج، نشان دهنده برتری روش پیشنهادی ما نسبت به سایرروشهای مرز دانش است

Keywords:

تشخیص الگو , خوشه بندی , K-Means , الگوریتم بهینه سازی مگس میوه , FOA