کنفرانس بین المللی فناوری اطلاعات و دانش

English

صفحه اصلی / یازدهمین کنفرانس بین المللی فناوری اطلاعات و دانش

خوشه بندی مقید داده ها به کمک اتوماتای یادگیر سلولی

نویسندگان :

شکوفه علی محمدی¹ احمدعلی آبین²

1- دانشگاه شهید بهشتی 2- دانشگاه شهید بهشتی

کلمات کلیدی :

الگوریتم های فراابتکاری، اتوماتای یادگیری سلولی، خوشه بندی مقید

چکیده :

خوشه بندی یکی از مسائل مهم در حوزه یادگیری ماشین است که تاکنون توجه بسیاری از پژوهشگران را به خود جلب کرده است. هدف اصلی از خوشه بندی، تقسیم داده ها به گروه هایی از اشیای مشابه است. ذات بدون ناظر مساله خوشه بندی سبب گردیده است که خوشه بندی مقید به عنوان راهکاری جهت استفاده از دانش بیرونی در خوشه بندی مطرح شود تا با بهره گیری از اطلاعات جانبی سبب افزایش دقت الگوریتم های خوشه بندی گردد. در این مقاله، یک روش خوشه بندی جدید معرفی می کنیم که مبتنی بر اتوماتای یادگیر سلولی و الگوریتم های فراابتکاری می‌باشد. از الگوریتم پیشنهادی برای جستجوی مراکز خوشه در فضای جواب به منظور مینیم مسازی تابع هدف خوشه بندی مقید استفاده میشود. کارایی روش ارائه شده بر روی چند مجموعه‌داده تولید شده در فضای دوبعدی و چند مجموعه داده انتخابی از مخزن UCI، ارزیابی شده و نتایج بدست آمده از آن، با نتایج حاصل از چند الگوریتم خوشه بندی مقایسه شده است. نتایج بدست آمده حاکی از آن است که عملکرد روش پیشنهادی در اکثر نمونه های آزمایشی، در مقایسه با الگوریتم های مذکور بهتر بوده است.