بهبود فرآیند خوشه بندی داده ها با استفاده از ترکیب الگوریتم های کلونی مورچه و خفاش

خوشه بندی را می توان یکی از مهمترین مراحل در تحلیل داده ها برشمرد. روش های خوشه بندی بسیاری تاکنون توسعه و ارایه داده شده اند. یکی از این روشها که در مطالعات اخیر مورد توجه و بررسی قرار گرفته است، روش خوشه بندی ترکیبی میباشد. هدفخوشه بندی ترکیبی، ترکیب چند خوشه بندی اولیه و بدست آوردن یک خوشه بندی نهایی است به گونه ای که در آن خوشه ها از کیفیت بالاتری، نسبت به خوشه ها در خوشه بندی های اولیه، برخوردار باشند.در این پژوهش فرآیندی را جهت انجام خوشه بندی بر روی 4 دیتاست ارایه خواهیم نمود که این فرآیند از دو مرحله تشکیل می شود. در مرحله ی اول یک خوشه بندی اولیه توسط الگوریتم بهینه سازی کلونی مورچه انجام خواهد شد که تابع هزینه آن طبق معیار شاخص دان خواهد بود. در مرحله دوم از هر خوشه که در مرحله قبل بدست آمده است دوباره طبق الگوریتم بهینه سازی خفاش طبق معیار دان آزمون می گیریم تا مراکز خوشه ها را به نحو مطلوب تعیین نماییم.نتایج حاصل از این روش ترکیبی با 6 الگوریتم دیگر مقایسه شده است که نتیجه آن بهبود قابل ملاحظه در دقت خوشه بندی را نشانمی دهد.