خلاصة:
خوشهبندی یا آنالیز خوشه در آمار و یادگیری ماشینیء یکی از شاخه های یادگیری بینظارت میباشد و فرآیندی است که در طی آن» نمونهها به دستههایی که اعضای آن مشابه یکدیگر میباشند تقسیم میشوند که به این دسته ها خوشه گفته میشود؛ بنابراین خوشه مجموعه ای از اشیاء میباشد که در آن اشیاء با یکدیگر مشابه بوده و با اشیاء موجود در خوشههای دیگر غیر مشابه میباشند. خوشه بندی تنها روش در یادگیری بدون نظارت است. یک خوشه به مجموعه ای از داده ها گفته می شود که با هم حداقل در یک صفت شباهت داشته باشند. در خوشه بندی سعی می شود تا داده ها به خوشه هایی تقسیم شوند که شباهت بین داده های درون هر خوشه حداکثر و شباهت بین داده های درون خوشه های متفاوت. حداقل شود. در این مقاله یک روش ترکیبی برای خوشه بندی براساس الگوریتم های ژنتیک ارائه کرده ایم» به طوری که الگوریتم پیشنهادی خود تعداد خوشه های بهینه را تشخیص داده و خوشه بندی را انجام دهد. نتایج شبیه سازی نشان می دهد که الگوریتم پیشنهادی با پیدا کردن تعداد خوشه های بهینه منجر به بهبود خوشه بندی داده ها می شود.
ملخص الجهاز:
در اين مقاله يک روش ترکيبي براي خوشه بندي براساس الگوريتم هاي ژنتيک ارائه کرده ايم ، به طوري که الگوريتم پيشنهادي خود تعداد خوشه هاي بهينه را تشخيص داده و خوشه بندي را انجام دهد.
در اين مقالـه يـک روش ترکيبي براساس الگوريتم ژنتيک و الگوريتم K-mean ارائـه شده است که خود الگوريتم تعداد خوشه هاي بهينه را تشـخيص مي دهد و براين اساس خوشه بندي را انجام مي دهد.
پايين به بالا٤ يا متراکم شونده ٥ که در اين روش ابتدا هر داده هـا بـه عنـوان خوشه اي مجزا در نظر گرفته مي شود و در طي فرايندي تکراري در هر مرحله خوشه هايي که شباهت بيشتري بـا يکديگر دارنـد ترکيب مي شوند تا در نهايت يـک خوشـه و يا تعداد مشخصي خوشه حاصل شود.
1 Tournament 26 دوره ٣، شماره ٣، پاييز ١٣٩٦، صفحات ٣١-٢٣ (به تصویر صفحه رجوع شود) (به تصویر صفحه رجوع شود) شکل (١): نحوه مقايسه برازندگي کروموزوم ها براي عملگر انتخاب مبتني بر استراتژي تورنومنت ٣-٥- عملگر ترکيب در اين مقاله يـک عملگـر ترکيـب جديـد ارائـه شـده اسـت کـه عملگر ترکيب بر اساس مراحل زير طراحي شده است : مرحله اول : ابتدا بر اساس احتمـال ترکيـب دوفـرد از جمعيـت انتخاب مي شوند و دو نقطه تصادفي در بخش خوشه هـا در فـرد مشخص مي شود (شکل ٢).
مقادير مربوط به پارامترهاي الگوريتم ژنتيک به صورت زير در نظر گرفته شده است : اندازه جمعيت = ٤٠ فرد احتمال ترکيب = ٩٠ درصد احتمال جهش = ٥ درصد تعداد تکرار نسل ها = ١٠٠٠ نسل شکل (٩) بهينه سازي معيار خوشه بندي وقتي که تعـداد نمونـه ها برابر با ١٥٠ است را نشان مي دهد.