کنفرانس بین المللی محاسبات نرم

صفحه اصلی / چهارمین کنفرانس بین المللی محاسبات نرم

خوشه‌بندی خودکار داده‌ها با استفاده از جستجوی محلی و الگوریتم بهینه‌سازی تبادل حرارتی

نویسندگان :

مهسا شریفی¹ مهدی هاشم زاده² شهین پوربهرامی³

1- دانشگاه شهیدمدنی آذربایجان 2- دانشگاه شهید مدنی آذربایجان 3- دانشکده مهندسی کامپیوتر دانشگاه فنی و حرفه ای تهران

کلمات کلیدی :

خوشه‌بندی، بهینه‌سازی، خوشه‌بندی خودکار، الگوریتم فرااکتشافی، جستجوی محلی

چکیده :

خوشه‌بندی کاربرد گسترده‌ای در بسیاری از کاربرد‌ها از جمله تشخیص الگو، بازیابی اطلاعات و پردازش تصویر دارد. در بیش‌تر مسائل خوشه‌بندی در دنیای واقعی، تعداد خوشه‌ها باید از پیش تعیین شده باشد. خوشه‌بندی خودکار یک راه حل امیدبخش برای این چالش است که به طور خودکار تعداد و ساختار خوشه‌ها را در داده‌ها تعیین می‌کند. در سال‌های اخیر، الگوریتم‌های فرااکتشافی به دلیل مکانیسم‌های جستجوی خود در حل مسائل خوشه‌بندی خودکار مورد توجه قرار گرفته‌اند. الگوریتم بهینه‌سازی تبادل حرارتی (TEO)، یکی از جدیدترین و کاراترین الگوریتم‌های فرااکتشافی است که در این پژوهش برای اولین بار در خوشه‌بندی خودکار داده‌ها استفاده می‌شود. در روش پیشنهادی، علاوه بر ایجاد تغییر در ساختار الگوریتم TEO، با استفاده از مفهوم پرواز لِوی، و بکارگیری آن در فرایند خوشه‌بندی داده‌ها، تعداد بهینه خوشه‌ها هم‌زمان با خوشه‌بندی بهینه داده‌ها به‌دست می‌آید. یعنی بر خلاف الگوریتم‌های رایج خوشه‌بندی که لازم است تعداد خوشه‌ها توسط کاربر مشخص شود، در الگوریتم پیشنهادی تعداد خوشه‌ها بصورت خودکار توسط خود الگوریتم مشخص می‌شود. علاوه بر این، برای بهبود بیش‌تر کارایی، از اُپراتورهای جستجوی محلی نیز استفاده می‌شود که برای ایجاد تغییر در پیکربندی خوشه‌ها طراحی شده‌اند. الگوریتم پیشنهادی، بر روی 23 مجموعه داده استاندارد آزمایش می‌شود. از معیارهای ارزیابی خوشه‌بندی ARI، DB و CS برای ارزیابی کارایی روش پیشنهادی و مقایسه آن با دیگر روش‌ها استفاده می‌گردد. مقایسه نتایج بدست آمده با سایر روش‌ها، نشان دهنده کارایی مناسب الگوریتم پیشنهادی است.