يك روش جديد بر پايه الگوريتم كرم شبتاب و الگوريتم تكامل تفاضلي براي خوشه بندي داده

خوشهبندي یكی از رویكردهاي مهم دادهكاوي میباشد كه جهت تحلیل دادهها مورد استفاده قرار میگیرد و در زمینههاي گوناگونی كاربرد دارد. مسأله خوشهبندي، دستهبندي دادههایی را كه از نظر پارامترهاي مورد علاقه، شباهت بیشتري به یكدیگر دارند، تقسیم- میباشد، علیرغم وابستگی این الگوریتم به شرایط اولیه و k- means بندي میكند. یكی از روشهاي موجود در این زمینه الگوریتم خوشه با سرعت بالا، دستهبندي مینماید. از آنجا كه در مسئله خوشه بندي با k داده را به n همگرایی به نقاط بهینه محلی، تعداد حجم انبوهی از دادهها سروكار داریم یكی از روشهاي مناسب براي خوشهبندي بهینه استفاده از الگوریتمهاي فراابتكاري است كه از روش تركیبی مبتنی بر k-means باعث بهبود عملكرد خوشهبندي میشود. در این مقاله جهت رفع مشكلات موجود در الگوریتم الگوریتم كرم شب تاب و تكامل تفاضلی بهره گرفته خواهد شد. در این پژوهش براي اعتبار سنجی، روش پیشنهادي بر روي یازده دریافت گردیده است، آزمایششد. نتایج شبیه سازي نشان داد تركیب این دو UCI مجموعه داده استاندارد كه از سایت معتبر خوشه بندي را با دقت بیشتري انجام میدهد. k-means الگوریتم نسبت به اجراي منفرد آنهاو همچنین نسبت به الگوریتم