ادغام روش‌هاي بهينه سازي ازدحام ذرات و الگوريتم ژنتيك براي خوشه بندي پويا

20 صفحه ورد

چكيده

اگرچه الگوريتمهاي مربوط به آناليز خوشه‌بندي دائما در حال پيشرفتند، ولي اكثر الگوريتمهاي خوشه بندي همچنان نياز به تعيين تعداد خوشه ها دارند. از اين جهت، هدف مطالعه حاضر براي ارائه يك روش خوشه بندي ديناميك جديد بر پايه بهينه سازي ازدحام ذرات (PSO و الگوريتم ژنتيك (GA(DCPG) مي‌باشد. الگوريتم DCPG پيشنهادي ما ،ميتواند به طورخودكار داده‌هاي خوشه بندي را با آزمايش داده ها و بدون تعين قبلي تعداد خوشه ها، انجام دهد. نتايج محاسباتي براي 4 جفت مجموعه داده هاي دودويي مشخص كرد كه الگوريتم DCPG داراي صحت و ثبات بهتري نسبت به ساير روشهاي خوشه بندي بر پايه دودويي pso(dcpso) و روش خوشه بندي باينري بر پايه GA(DCGA) هستند. علاوه بر اين الگوريتم DCPG براي خوشه بندي قبوض در شركت (BOM) در تايوان مورد استفاده قرار گرفته است. نتايج خوشخ‌بندي ميتواند براي دسته ّندي محصولات كه داراي خصوصيات مشتركي هستند، در يك خوشه مورد استفاده قرار گيرد.

مقدمه

آناليز خوشه‌بندي يك فرآيند مهم در پردازش داده ها در داده كاوي است. شناسايي خوشه هاي طبيعي نه تنها براي شناخت ساختار داده ها به ما كمك مي كند، همچنين پايه‌اي را براي ايجاد پيش‌بيني يا كلاس‌بندي آنها ايجاد مي كند. با سرعت روزافزون پيشرفت تكنولوژي و افزايش اطلاعات، داده هاي بيشتر و بيشتري بايد جمع آوري شوند. براي جمع آوري اطلاعات مورد نظر از خيل عظيم منابع اطلاعاتي و تصميم گيري در مورد آنها نياز است تا از داده‌كاوي استفاده كنيم. آناليز خوشه‌بندي يك تكنيك مهم در داده كاوي است. در سالهاي اخير، خوشه بندي به صورت وسيعي در زمينه هاي مختلفي مورد استفاده قرار گرفته است ، از قبيل شناسايي گرافيكي، آموزش ماشيني و اناليز بازار. هدف نهايي، خوشه بندي داده هاي مشابه در يك گروه و گرد‌آوري خوشه‌ها با