ارائه روشی جدید جهت خوشه بندی داده ها با استفاده از الگوریتم بهینه سازی گرگ خاکستری
Publish place: Fourth National Conference on Applied Research in Electrical Engineering, Mechanics, Computer and Information Technology
Publish Year: 1397
نوع سند: مقاله کنفرانسی
زبان: Persian
View: 1,087
This Paper With 7 Page And PDF Format Ready To Download
- Certificate
- من نویسنده این مقاله هستم
استخراج به نرم افزارهای پژوهشی:
شناسه ملی سند علمی:
EMCE04_012
تاریخ نمایه سازی: 21 خرداد 1398
Abstract:
خوشه بندی یکی از مهمترین مسائل مربوط در داده کاوی داده ها می باشد. جهت خوشه بندی داده ها, الگوریتم های زیادی مانند K-maens تاکنون ارائه شده است. یکی از مهمترین مشکلات این الگوریتم ها حساس بودن به مراکز خوشه اولیه می باشد که ممکن است باعث شود الگوریتم یک پاسخ بهینه محلی تولید کند. الگوریتم بهینه سازی گرگ خاکستری GWO (Gray Wolf Optimization) یک الگوریتم بهینه سازی با عملکردی بسیار مطلوب در مقایسه با سایر الگوریتم های بهینه سازی جهت حل مسائل گوناگون می باشد. در این پژوهش یک راهکار جدید جهت خوشه بندی داده ها با استفاده از الگوریتم GWO ارائه شده است. برای ارزیابی الگوریتم خوشه بندی ارائه شده از سه مجموعه واقعی و استاندارد Iris , Wine و Glass استفاده و با روش های خوشه بندی K-means , الگوریتم ژنتیک GA و الگوریتم بهینه سازی گروهی ذرات PSO مقایسه شده است. نتایج مقایسه ها نشان می دهد که کارایی الگوریتم پیشنهاد شده نسبت به سایر روش ها بهتر می باشد و می تواند بصورت موفقیت آمیز برای خوشه بندی داده ها مورد استفاده قرار گیرد.
Keywords:
Authors
محمد سروری
دانشگاه بیرجند، دانشکده فنی و مهندسی فردوس، فردوس، ایران
سید محمد رضوی
دانشگاه بیرجند، دانشکده مهندسی برق و کامپیوتر، بیرجند، ایران