بهبود الگوریتم خوشه بندی IWD-KM با استفاده از الگوریتم تغییر یافته قطرات هوشمند آب (IWD)

امروزه خوشه بندی یکی از پرکاربردترین مسایل در زمینه هوش مصنوعی به شمار می آید.خوشه بندی می تواند دربهبود نتایج به دست آمده از جستجوی ماشین های جستجو و دسته بندی اطلاعات موثر واقع شود.در این مقاله سعی بر انست تا الگوریتمی ارایه دهیم که با ترکیب الگوریتم های خوشه بندی با فرا ابتکاری ها نتایج مطلوب تری به دستبیاوریم.الگوریتم فرا ابتکاری استفاده شده قطرات هوشمند آب می باشد، الگوریتم k-means بهبود یافته با قطرات هوشمند آب را که شاه حسینی ارایه داده و آن را IWD-KM نامیده است به گونه ای تغییر داده ایم تا بتواند خوشهبندی را نسبت به روش های پیشین بهبود دهد.این تغییرات بر اساس متدهای انتخاب می باشد.متدهایی که در جستجو برای یافتن جواب های بهینه در فرا ابتکاری ها نقش مهمی دارند.در این مقاله برای ارزیابی روش پیشنهادی از دیتاست یادگیری ماشین UCI استفاده کرده ایم.نتایج ارزیابی در متلب نشان می دهد که کارایی الگوریتم پیشنهادی نسبت به الگوریتم خوشه بندی K-means و IWD-km ارایه شده توسط شاه حسینی بیشتر می باشد.

کلیدواژه ها:

قطرات هوشمند آب (IWD) ، k-means ، بهینه سازی ، فرا ابتکاری ها ، متدهای انتخاب