چکیده مقاله
خوشه بندی یکی از اعمال اصلی در داده کاوی می باشد که به معنای گروه بندی نمونه های مشابه است به طور کلی دسته بندی متنوعی از الگوریتم های خوشه بندی وجود دارد نوعی از این دسته بندی، خوشه بندیمبتنی بر چگالی است الگوریتم های مختلفی برای این روش ارایه شده است که یکی از پرکاربردترین این الگوریتم ها DBSCAN نامیده می شود DBSCAN می تواند خوشه هایی با اشکال مختلف در مجموعه داده را پیدا کند همچنین برای خوشه بندی نیازی به تعداد خوشه به عنوان ورودی ندارد و تعداد خوشه را به طور خودکار مشخص می کند DBSCAN علاوه بر مزایایی خود معایبی نیز دارد یکی از این معایب تعیین پارامترهای ورودی این الگوریتم می باشد در این مقاله یک روش جدید برای تولید مقدار Eps که یکی از پارامتر های ورودی الگوریتم DBSCAN می باشد پیشنهاد شده است روش پیشنهادی از الگوریتم ژنتیک برای تعیین بهترین مقدار Eps براساس تابع برازش پیشنهادی استفاده می کند و می تواند بهترین مقدار Eps برای مجموعه داده را تشخیص دهد برای ارزیابی روش پیشنهادی آزمایشاتی روی 7 مجموعه داده استاندارد انجام شد و دقت خوشه بندی مورد ارزیابی قرار گرفت نتایج به دست آمده نشان داد که روش پیشنهادی در مقایسه با روش های موجود نتایج بهتری را کسب نموده است
کلیدواژهها
نویسندگان
علیرضا پهلوان زاده
دانشجوی کارشناسی ارشد، دانشگاه شهید باهنر کرمان
علی اکبر نیک نفس
دانشیار، بخش مهندسی کامپیوتر، دانشگاه شهید باهنر کرمان
شیوه ارجاع
پهلوان زاده، علیرضا و نیک نفس، علی اکبر،1396،تعیین مقدار Eps برای الگوریتم DBSCAN با استفاده از الگوریتم ژنتیک،سومین کنفرانس ملی علوم و مهندسی کامپیوتر و فناوری اطلاعات،بابل
ارائهشده در
مجموعه مقالات سومین کنفرانس ملی علوم و مهندسی کامپیوتر و فناوری اطلاعات27 مهر 1396 · بابل