ارائه الگوريتم خوشه‌بندي جديد به‌منظور بهره‌وري در عمليات داده‌كاوي (مطالعه داده‌هاي استاندارد يوسي‌آي)

A New Clustering Algorithm for Productivity in Data Mining: The Case of UCA Data

روش‌هاي خوشه‌بندي و بهره‌وري آنها در عمليات داده‌كاوي توسعه زيادي يافته‌اند. نياز مديران به داده‌هاي دسته‌بندي‌شده و بهره‌وري روش‌هاي خوشه‌بندي در امر مديريت و تصميم‌گيري، به گسترش روش‌هاي داده‌كاوي ضرورت بخشيده است. الگوريتم بهينه‌سازي نهنگ روش عمومي است كه در حل مسائل متعددي كاربرد دارد. در اين الگوريتم جواب‌هاي آغازين به‌صورت تصادفي انتخاب مي‌شوند. الگوريتم كي-ميانگين يك روش خوشه‌بندي پركاربرد است كه به دليل سادگي و كوتاه بودن مراحل، بسيار موردتوجه محققان قرار مي‌گيرد. در اين مقاله اين مزيت الگوريتم كي- ميانگين را براي افزايش توانايي الگوريتم بهينه‌سازي نهنگ در خوشه‌بندي داده‌ها به‌كاررفته است. الگوريتم پيشنهادي تركيبي از الگوريتم‌هاي كي-ميانگين و خوشه‌بندي نهنگ است. در اين پژوهش الگوريتم جديد و چند الگوريتم خوشه‌بندي ديگر را بر روي مجموعه داده‌هاي واقعي و شناخته شده اجرا شده است. نتايج عددي نشان مي‌دهد كه الگوريتم جديد ازنظر كيفيت جواب‌ها و انحراف استاندارد مقادير جواب‌هاي نهايي، نتايج مطلوبي نشان مي‌دهد.

Methods of clustering in data mining have dramatically developed in recent years as a result of the crucial need to categorize data leading to the expansion of data mining techniques and enhanced productivity of clustering methods in management and decision making. Whale optimization algorithm is a new stochastic global optimization method employed to resolve various problems. We already presented a data clustering method based on Whale optimization algorithm in which the initial solutions are randomly selected. What has made K-mean algorithm a highly popular clustering approaches appealing to many researchers is the simplicity and brevity of the stages involved in the process. The present enquiry aimed at employing K-mean algorithm to improve the capability of Whale optimization clustering and proposing the hybrid KWOA algorithm which can find more accurate clusters. The computational results of running the newly proposed algorithm, along with some well-known clustering algorithms, on real data sets from a well-known machine learning repository underscored the promising performance of the proposed algorithm in terms of the quality and standard deviation of the final solutions.