بهبود خوشه بندی داده با استفاده از منطق فازی و ترکیب الگوریتم های ژنتیک و PSO

الگوریتم های تکاملی همواره به عنوان یک روش جستجوی سراسری در بسیاری از مسایل پیچیده که روش های عددی قادر به حل آنها نیستند و یا دچار مشکلاتی می شوند، کاربرد دارند. مسیله خوشه بندی نیز یکی از این مسایل است و با توجه به کاربرد و اهمیت بالای آن، محققین همواره در پی یافتن روشی کامل و دقیق برای حل این مسیله بوده اند. اما با توجه به ماهیت این موضوع، روش های عددی موجود قابلیت حل این مسیله را ندارند و معضل پاسخ های محلی همواره در این روش ها مشکل ساز بوده است. در خوشه بندی فازی مبتنی بر شکل داده این مشکل افزایش می یابد و علاوه بر آن مشکل نیاز به پیش پردازش داده ها نیز به آن افزوده می شود، لذا از ترکیب الگوریتم های ژنتیک وPSO برای حل مشکلات مطرح شده استفاده می کنیم تا با بکارگیری نقاط قوت آن ها و همچنین منطق فازی الگوریتمی بدون معایب قبلی ایجاد کنیم. کارایی الگوریتم پیشنهادی با الگوریتم های ژنتیک فازی وPSO فازی مقایسه شده است. برای ارزیابی کارایی از مجموعه داده های استاندارد برای خوشه بندی توده ای، شکل های متعارف برای خوشه بندی پوسته ای و فاکتورهای اعتبارسنجی خوشه بندی استفاده شده است. در تمام ارزیابی ها الگوریتم پیشنهادی کارایی بهتری از الگوریتم های ژنتیک وPSO فازی دارد.

کلیدواژه ها:

الگوریتم ژنتیک ، الگوریتمPSO ، خوشه بندی فازی ، خوشه بندی پوسته ای ، منطق فازی