|
Title
|
خوشه بندی بهینه داده ها با استفاده از الگوریتم مرغ مگس خوار مصنوعی
|
|
Type of Research
|
Thesis
|
|
Keywords
|
خوشه بندی، الگوریتم مرغ مگس خوار، الگوریتم های فراابتکاری، بهینه سازی، خوشه بندی بهینه، یادگیری ماشین
|
|
Abstract
|
خوشه بندی می تواند در کاربردهای زیادی مورد استفاده قرار گیرد. از جمله آن ها شاخه هایی همچون هوش مصنوعی، آمار، پزشکی، زیست شناسی، یادگیری ماشین، و تشخیص الگو را می توان نام برد. تاکنون الگوریتم های فراابتکاری بسیاری ارائه شده اند. بعضی از این الگوریتم ها کارایی بالایی برای برخی مسائل دارند ولی در برخی مسائل با مشکلاتی در مورد نزدیک شدن به جواب بهینه محلی مواجه می شوند. در حقیقت، هر الگوریتم بهینه سازی فقط روی بعضی از مسائل (در اینجا برخی از مجموعه داده ها که قرار است خوشه بندی شوند)، عملکرد خوب و قابل قبولی از خود نشان می دهد و نه در همه ی آن ها. در نتیجه با توجه به ساختار مسأله و نوع پیچیدگی آن، لازم است یک فرد خبره در زمینه الگوریتم های فراابتکاری، یک الگوریتم را برای حل بر گزیند و پارامترهای مربوط به آن الگوریتم را با استفاده از روش علمی طراحی آزمایش ها یا روش آزمون و خطا تنظیم کند. از طرفی انتخاب مجموعه ای از پارامترها که مسائل مختلف را برای یک بهینه ساز معین به خوبی تطبیق دهد، دشوار است. همچنین علی رغم اینکه تلاش های بسیار برای خوشه بندی داده های پیچیده و حجیم با استفاده از الگوریتم های تکاملی در سال های اخیر انجام شده است، ولی بیشتر این الگوریتم ها، نیاز به دانش قبلی برای تعداد خوشه ها دارند و نمی توانند تعداد بهینه خوشه ها را حین اجرای برنامه بدست آورند. به علاوه تعداد خوشه ها برای تعدادی از مجموعه داده ها به طورکامل نامشخص است و حتی تقریبی از تعداد خوشه ها را نیز نمی توان مشخص کرد. از این رو، توسعه الگوریتمی خودکار با پارامترهای کنترلی کمتر ضروری است. با بررسی و ترکیب الگوریتم های موجود در زمینه های مختلف از جمله الگوریتم های فراابتکاری و خوشه بندی خودکار، می توان الگوریتمی که تا حد قابل قبولی محدودیت های موجود را پوشش دهد ارائه کرد. الگوریتمی با پارامترهای کمتر و کارآمدتر، که نتایج بهتری نسبت به دیگر الگوریتم های کار شده در زمینه خوشه بندی از خود نشان می دهد.
|
|
Researchers
|
Firoozeh Modabber (Student)، Mahdi Hashemzadeh (Primary Advisor)، Nacer Farajzadeh (Advisor)
|