نوع مقاله : مقاله پژوهشی
نویسندگان
1 دانشکده فناوری اطلاعات و مهندسی کامپیوتر، دانشگاه شهید مدنی آذربایجان، تبریز، ایران
2 دانشکده مهندسی کامپیوتر، دانشگاه فنی و حرفه ای، تهران، ایران
چکیده
در اغلب روشهای خوشهبندی، تعداد خوشهها باید از پیش تعیین شده باشد. در حالیکه در بسیاری از مسائل دنیای واقعی تعیین مقدار مناسب خوشهها دشوار و بعضا ممکن نیست. خوشهبندی خودکار یک رویکرد مناسب برای مقابله با این چالش است. بطوریکه تعداد و ساختار خوشهها بصورت خودکار توسط خود الگوریتم استخراج میگردد. یکی از راهکارهای مناسب برای این منظور بهرهگیری از الگوریتمهای فرا اکتشافی در فرایند خوشهبندی است. در این پژوهش، یک الگوریتم خوشهبندی خودکار مبتنی بر فرایند جستجوی محلی و الگوریتم فرا اکتشافی تبادل حرارتی (TEO (ارائه میشود. الگوریتم TEO یکی از جدیدترین الگوریتمهای فرا اکتشافی است که در این پژوهش برای اولین بار در خوشهبندی دادهها استفاده میشود. در روش پیشنهادی، نسخه بهبود یافتهای از الگوریتم TEO ،بر اساس مفهوم پرواز لِوی، ارائه و بکار گرفته میشود. همچنین، برای بهبود بیشتر کارایی، از اُپراتورهای جستجوی محلی نیز استفاده میشود که برای ایجاد تغییر در پیکربندی خوشهها استفاده میشوند. در رویکرد پیشنهادی، تعداد بهینه خوشهها همزمان با خوشهبندی دادهها حاصل میشود. الگوریتم پیشنهادی، بر روی 23 مجموعه داده استاندارد آزمایش میشود. از معیارهای ARI ،DB و CS برای ارزیابی کارایی روش پیشنهادی و مقایسه آن با دیگر روشها استفاده میگردد. نتایج بدست آمده نشان دهنده کارایی مناسب و بهتر الگوریتم پیشنهادی است.
کلیدواژهها