الگوریتم خوشه بندی که CPSO را با K-Means ترکیب می کند

قیمت: 43,000 تومان

دانلود رایگان مقاله

خرید ترجمه مقاله

عنوان فارسی

الگوریتم خوشه بندی که CPSO را با K-Means ترکیب می کند

عنوان لاتین

Clustering Algorithm Combining CPSO with K-Means

در این مقاله یک الگوریتم خوشه بندی که بهینه سازی گروهی ذرات (CPSO) را با K-Means ترکیب می کند (KM-CPSO) پیشنهاد شده است که بهره وری جستجوی بهتری نسبت به K-Means، PSO و CPSO ارائه می کند. الگوریتم های K-Means نمی توانند همگرایی به بهینه سراسری را تضمین کنند و در مرکز خوشه بهینه محلی گیر می کنند، چون به مراکز خوشه اولیه حساس هستند. بهینه سازی گروهی ذرات تصادفی (CPSO) می تواند راه حل بهینه سراسری را بیابد؛ در این میان K-Means می تواند بهینه محلی را بدست آورد. الگوریتم CPSO-KM از قابلیت جستجوی سراسری CPSO و قابلیت جستجوی محلی K-Means بهره می برد. الگوریتم CPSO-KM با دو مجموعه داده ترکیبی و سه مجموعه داده کلاسیک از UCI تست شد. نتایج آزمایشی بهره وری بهتری نسبت به CPSO-KM در مقایسه با K-Means، PSO و CPSO نمایش می دهند.

A clustering algorithm combining particle swarm optimization (CPSO) with K-Means (KM-CPSO) is proposed, which features better search efficiency than K-Means, PSO and CPSO. The K-Means algorithms cannot guarantee convergence to global optima and suffer in local optimal cluster center because they are sensitive to initial cluster centers. Chaotic particle swarm optimization (CPSO) can find global optimal solution; meanwhile K-Means can achieve local optima. The CPSO-KM algorithm utilizes both global search capability of CPSO and local search capability of K-Means. CPSO-KM algorithm has been tested with two synthetic datasets and three classical data sets from UCI. Experimental results show better performance of the CPSO-KM as compared to K-Means, PSO and CPSO.