کاربرد الگوریتم میگو در بهینه سازی خوشه بندی k-means

چکیده مقاله

الگوریتم K Means یکی از الگوریتمهای خوشه بندی است که در بسیاری از زمینه ها مانند آمار، کامپیوتر ، هواشناسی و غیره کاربرد دارد تعیین تعداد خوشه های بهینه از مهمترین چالش های این الگوریتم میباشد تاکنون رویکردهای مختلفی جهت مرتفع نمودن این چالش مطرح شده که علیرغم بهبود نتیجه خوشه بندی الگوریتم K Means، هنوز دقت قابل قبولی در جهت تعیین تعداد خوشه های بهینه برای این الگوریتم حاصل نشده است در این مقاله با بکارگیری الگوریتم بهینه سازی میگو ، اقدام به تعیین تعداد خوشه بهینه برای الگوریتم خوشه بندی K Means گردیده است که علاوه بر بهبود دقت خوشه بندی، زمان اجرا نیز به میزان قابل توجهی کاهش یافت در این روش پیشنهادی ، از دیتاستهای Lung Cancer، Wine و Wine Quality ستفاده شد نتایج شبیه سازی روش پیشنهادی در محیط متلب، بیانگر افزایش دقت خوشه بندی ، به صورت میانگین ، با اعمال الگوریتم بهینه سازی میگو نسبت به سایر روشهای موجود در این حوزه بوده است

کلیدواژه‌ها

نویسندگان

حامد خداپرست

کارشناسی ارشد مهندسی تکنولوژی نرم افزار کامپیوتر

�داپرست، حامد،1402،کاربرد الگوریتم میگو در بهینه سازی خوشه بندی k-means،نوزدهمین کنفرانس ملی علوم و مهندسی کامپیوتر و فناوری اطلاعات،بابل

ارائه‌شده در

مجموعه مقالات نوزدهمین کنفرانس ملی علوم و مهندسی کامپیوتر و فناوری اطلاعات28 اردیبهشت 1402 · بابل