بهبود الگوریتم خوشه بندیC-means فازی به کمک بهینه سازی گروه ذرات دو مرحله ای

یکی ازمهمترین تکنیکهای داده کاوی خوشه بندی می باشد دراین میان الگوریتم خوشه بندی C-means فازی FCM یکی ازمعروفترین تکنیکهای خوشه بندی فازی میباشد اما FCM به مقداردهی اولیه حساس استو به آسانی دربهینه محلی به دام می افتد همچنین میدانیم بهینه سازی گروه ذرات دو مرحله ای TPPSO دارای دو مرحله تحرک و همگرایی جمعیت است این مراحل باعث میشوند که جمعیت به خوبی ازاکسترموم محلی بگذرد و بهینه سراسری را بیابد دراین مقاله برای غلبه برضعفهای FCM و استفاده ازمزیت های PSO دو مرحله ای متدی ترکیبی مبتنی براین دو الگوریتم پیشنهاد شده است به این صورت که ماتریس عضویت الگوریتم FCM به عنوان ذرات مقداردهی اولیه میشوند و درطی گامهای مراحل PSO دو مرحله ای سعی برکمینه سازی تابع هدف FCM و رسیدن به جواب بهینه را دارند .

کلیدواژه ها:

داده کاوی ، خوشه بندی ، C-means فازی ، هوش جمعی ، بهینه سازی گروه ذرات دو مرحله ای