fa روش نوین خوشه‌بندی ترکیبی با استفاده از سیستم ایمنی مصنوعی و سلسله مراتبی مقالات گروه علائم حیاتی ( مرتبط با مهندسی پزشکی) Paper پژوهشي Research <p dir="RTL"><strong>سیستم ایمنی مصنوعی (</strong><strong><em><span dir="LTR">AIS</span></em></strong><strong>) یکی از مهمترین الگوریتم‌های متاهیوریستیک به منظور حل مسائل بسیار پیچیده می‌باشد. از این الگوریتم می‌توان در تحلیل خوشه‌بندی داده‌ها استفاده نمود. علی‌رغم اینکه </strong><strong><em><span dir="LTR">AIS</span></em></strong><strong> قادر است پیکربندی فضای جستجو را به خوبی نمایش دهد اما تعیین خوشه‌های داده‌ها به طور مستقیم با استفاده از خروجی آن بسیار مشکل است. بر این اساس در این مقاله الگوریتم دو مرحله‌ای پیشنهاد شده است. در مرحله اول با استفاده از الگوریتم </strong><strong><em><span dir="LTR">AIS</span></em></strong><strong> پیشنهادی، فضای جستجو مورد بررسی قرار گرفته و پیکربندی فضا تعیین می‌شود و در مرحله دوم با استفاده از روش خوشه‌بندی سلسله ‌مراتبی، خوشه‌ها و تعداد آنها مشخص می‌شود. در انتها الگوریتم پیشنهادی بر روی نمونه واقعی متشکل از داده‌های زلزله در ایران پیاده‌سازی و با نتایج الگوریتم مشابه مقایسه شده است. نتایج نشان داد که الگوریتم پیشنهادی توانسته است نقایص موجود در </strong><strong><em><span dir="LTR">AIS</span></em></strong><strong> و روش خوشه‌بندی سلسله مراتبی را پوشش دهد و از طرفی از دقت و سرعت قابل قبولی برخوردار است.</strong></p> <p><strong>Artificial</strong> <strong>immune system (AIS) is</strong> <strong>one of</strong> <strong>the most</strong> <strong>meta</strong><strong>-heuristic </strong><strong>algorithms</strong> <strong>to solve complex</strong> <strong>problems. With a large number of data, creating a rapid decision and stable results are the most challenging tasks due to the rapid variation in real world. Clustering technique is a possible solution for overcoming these problems. The goal of clustering analysis is to group similar objects. </strong><br> <strong>AIS</strong> <strong>algorithm</strong> <strong>can</strong> <strong>be used</strong> <strong>in</strong> <strong>data</strong> <strong>clustering</strong> <strong>analysis</strong><strong>. Al</strong><strong>though</strong> <strong>AIS</strong> <strong>is able to</strong><strong> good display </strong><strong>configure of</strong> <strong>the search</strong> <strong>space, but determination of</strong> <strong>clusters</strong> <strong>of data</strong> <strong>set</strong> <strong>directly</strong> <strong>using</strong> <strong>the</strong><strong> AIS </strong><strong>output</strong> <strong>will be</strong> <strong>very</strong> <strong>difficult</strong> <strong>and</strong> <strong>costly</strong><strong>. </strong><strong>Accordingly, in this paper a two-step algorithm is proposed based on AIS algorithm and hierarchical clustering technique. High execution speed and </strong><strong>no need to specify the number of clusters are the benefits of the </strong><strong>hierarchical clustering technique</strong><strong>. But this technique is sensitive to outlier data.</strong><br> <strong>So, in</strong><strong> the first stage of introduced algorithm the search space and the configuration space are identified using the proposed AIS algorithm, and therefore outlier data are determined. Then in second phase, using hierarchical clustering technique, clusters and their number are determined. Consequently, the first stage of proposed algorithm </strong><strong>eliminates the disadvantages of the </strong><strong>hierarchical clustering technique</strong><strong>, and AIS problems will be resolved in the second stage of the proposed algorithm.</strong><br> <strong>In this paper, the proposed algorithm is evaluated and assessed through two metrics that were identified as (i) execution time (ii) Sum of Squared Error (SSE): the average total distance between the center of a cluster with cluster members used to measure the goodness of a clustering structure. Finally, the proposed algorithm has been implemented on a real sample data composed of the earthquake in Iran and has been compared with the similar algorithm titled Improved Ant System-based Clustering algorithm (IASC). IASC is based on Ant Colony System (ACS) as the meta-heuristics clustering algorithm. It is a fast algorithm and is suitable for dynamic environments. </strong><strong>Table 1 shows the results of evaluation.</strong><br> &nbsp;<br> <strong><span dir="LTR">Table 4: </span></strong><strong><span dir="LTR">Compare the two algorithms</span></strong></p> <table align="center" border="1" cellpadding="0" cellspacing="0" dir="rtl"> <tbody> <tr> <td style="width:138px;"><strong><span dir="LTR">Proposed algorithm</span></strong></td> <td style="width:101px;"><strong><span dir="LTR">IASC</span></strong></td> <td style="width:120px;"><strong><span dir="LTR">Alg.</span></strong></td> </tr> <tr> <td style="width:138px;"><strong><span dir="LTR">12</span></strong></td> <td style="width:101px;"><strong><span dir="LTR">18</span></strong></td> <td style="width:120px;"><strong><span dir="LTR">Execution time (s)</span></strong></td> </tr> <tr> <td style="width:138px;"><strong><span dir="LTR">5/3</span></strong></td> <td style="width:101px;"><strong><span dir="LTR">9/4</span></strong></td> <td style="width:120px;"><strong><span dir="LTR">SSE</span></strong></td> </tr> </tbody> </table> <div style="clear:both;"></div> <p>&nbsp;<br> <strong>The results showed that</strong> <strong>the proposed</strong> <strong>algorithm</strong> <strong>is able to cover the</strong> <strong>drawbacks</strong> <strong>in</strong> <strong>AIS</strong> <strong>and</strong> <strong>hierarchical</strong> <strong>clustering</strong> <strong>techniques</strong><strong> and</strong> <strong>on the </strong><strong>other hand has</strong> <strong>high</strong> <strong>precision</strong> <strong>and</strong> <strong>acceptable run speed</strong><strong>.</strong></p> تحلیل خوشه‌بندی؛ سیستم ایمنی مصنوعی (AIS)؛ خوشه‌بندی سلسله مراتبی. Clustering Analysis, Artificial immune system (AIS), Hierarchical Clustering. 133 145 http://jsdp.rcisp.ac.ir/browse.php?a_code=A-10-234-1&slc_lang=fa&sid=1 Ahmad Reza Jafarian-Moghaddam احمد رضا جعفریان مقدم ahmadreza.jafarian@gmail.com 10031947532846004969 10031947532846004969 Yes دانشگاه اصفهان،اصفهان،ایران Farnaz Barzinpour فرناز برزین‌پور barzinpour@iust.ac.ir 10031947532846004970 10031947532846004970 No دانشگاه علم و صنعت ایران،تهران،ایران Mohammad Fathian محمد فتحیان fathian@iust.ac.ir 10031947532846004971 10031947532846004971 No دانشگاه علم و صنعت ایران،تهران،ایران