خوشه بندی با استفاده از بهینه سازی چندهدفه تکاملی

خوشه بندی با استفاده از بهینه سازی چندهدفه تکاملی

چکیده:

انتخاب تعداد خوشه (k) برای روشهای خوشه بندی همچنان چالش برانگیز است. به جای تعیین k ، ویژگی موازی ضمنی بهینه سازی چند هدفه تکاملی (EMO) یک الگوی موثر و کارآمد را برای یافتن خوشه بندی بهینه در یک دسته داده فراهم می کند.
بدین معنا که ابتدا الگوریتم های EMO برای جستجوی مجموعه ای از راه حل های غیر مسلط به کار می روند که نتایج مختلف خوشه بندی با k متفاوت را نشان می دهد. سپس ، از یک شاخص برای انتخاب نتیجه بهینه خوشه استفاده می شود.