خوشه بندی مبتنی بر الگوریتم های تکاملی آشوب گونه

خوشه بندی یک تکنیک یادگیری بدون ناظر است که به منظور گروه بندی داده های بدون برچسب به گروه هایی از داده ها مورد استفاده قرار می گیرد. خوشه بندی داده ها براساس شباهت ها و تفاوت های میان داده ها انجام می شود. این گروه بندی به گونه ای است که نمونه های موجود در یک خوشه بیشترین شباهت را با یکدیگر دارند و داده هایی که در گروه های مختلف قرار می گیرند کمترین شباهت را با هم دارند. در این مقاله 3 تکنیک خوشه بندی با ترکیب الگوریتم های تکاملی ژنتیک و آشوب، بهینه سازی انبوه ذرات و آشوب، رقابت استعماری و آشوب با هدف ارایه الگوریتمی کارا و با دقت بالا برای خوشه بندی داده ها پیشنهاد شده است. نتایج حاصل از اجرای الگوریتم بر روی 10 مجموعه داده معروف بیانگر دقت الگوریتم های پیشنهادی است.

کلیدواژه ها:

خوشه بندی ، الگوریتم رقابت استعماری ، الگوریتم بهینه سازی نبوه ذرات ، الگوریتم ژنتیک