دانشگاه آزاد اسلامی واحد نورآباد ممسنی، فارس، ایران
چکیده: (84 مشاهده)
خوشهبندی دادهها یکی از وظایف اصلی دادهکاوی است که وظیفه کاوش الگوهای پنهان در دادههای بدون برچسب را بر عهده دارد. به خاطر پیچیدگی مسئله و ضعف روشهای خوشهبندی پایه، امروزه اکثر مطالعات به سمت روشهای اجماع خوشهبندی هدایت شده است. اگر چه برای بیشتر مجموعه دادهها، الگوریتمهای خوشهبندی منفردی وجود دارد که نتایج قابل قبولی بهدست میدهند، اما توانایی یک الگوریتم خوشهبندی منفرد محدود است. در واقع هدف اصلی اجماع خوشهبندی جستجوی نتایج بهتر و پایدارتر، با استفاده از ترکیب اطلاعات و نتایج حاصل از چندین خوشهبندی اولیه است. در این مقاله، روشی مبتنی بر اجماع خوشهبندی پیشنهاد خواهد شد که مانند بیشتر روشهای انباشت شواهد دارای دو گام است: 1- ساختن ماتریس مشارکت همزمان و 2- تعیین افرازهای نهایی از ماتریس مشارکت پیشنهادی. در روش پیشنهادی، برای ساخت ماتریس مشارکت همزمان، علاوهبر هم خوشه بودن نمونهها از بعضی اطلاعات دیگر هم استفاده خواهد شد. این اطلاعات میتوانند مربوط به میزان شباهت نمونهها، اندازه خوشههای اولیه، میزان پایداری خوشههای اولیه و غیره باشد. در این مقاله مسئله خوشهبندی بهصورت یک مسئله بهینهسازی صریح توسط مدل آمیخته گوسی تعریف میشود و که با استفاده از الگوریتم آبکاری فلزات حل میشود. همچنین روشی تکاملی مبتنی بر آبکاری فلزات برای تعیین افراز نهایی از ماتریس مشارکت همزمان پیشنهادی ارایه خواهد شد. مهمترین بخش روش تکاملی، تعیین تابع هدفی است که تضمین کند افراز نهایی از کیفیت بالایی برخوردار خواهد بود. نتایج تجربی نشان میدهد روش پیشنهادی از نظر معیارهای مختلف ارزیابی کیفیت خوشهبندی از سایر روشهای مشابه بهتر میباشد.
شمارهی مقاله: 6
نوع مطالعه:
پژوهشي |
موضوع مقاله:
مقالات پردازش دادههای رقمی دریافت: 1400/1/5 | پذیرش: 1402/3/12 | انتشار: 1402/5/22 | انتشار الکترونیک: 1402/5/22