ارائه یک الگوریتم خوشه بندی ترکیبی مبتنی بر الگوریتم کرم شب‌تاب و شبکه عصبی خودسازمانده

خوشه‌بندی یکی از مسائل مهم درزمینه یادگیری ماشین، داده‌کاوی و الگوشناسی است. اگر فضای ویژگی در نظر گرفته برای تفکیک گروه‌های مختلف داده مناسب نباشد، مساله خوشه‌بندی داده‌ها می‌تواند تبدیل به مساله‌ی پیچیده‌ای شود. به عبارت دیگر، اگر معیار فاصله نتواند به‌خوبی عدم شباهت داده‌ها را نشان دهد، الگوریتم‌های رایج خوشه‌بندی قادر نیستند کارایی مطلوب را از خود نشان دهند. در دهه‌ی اخیر بحث خوشه‌بندی بر مبنای الگوریتم‌های بهینه‌سازی مطرح و موردتوجه قرارگرفته است. برای این منظور، الگوریتم‌های که بر اساس شبیه‌سازی رفتار حیوانات استفاده می‌نمایند، معرفی شده‌اند. اخیراً الگوریتم کرم شب‌تاب به‌عنوان یک روش قدرتمند مورد بررسی قرارگرفته است. بسیاری از این روش‌ها توانسته‌اند انحراف معیار و حداقل تابع هزینه را به‌طور چشمگیری کاهش دهند. در این مقاله، با ارائه یک الگوریتم ترکیبی مبتنی بر شبکه عصبی خودسازمانده و الگوریتم کرم شب‌تاب برای خوشه بندی داده های گسسته به‌عنوان انعطاف‌پذیرترین رویکردی که می‌تواند پارامترهای گفته‌شده را کاهش دهد، استفاده کرده‌ایم. در روش‌های پیشنهادی سعی بر آن است که با به حداقل رساندن انحراف معیار و مقدار تابع هزینه بتوانیم پیچیدگی موجود در فضای داده (ساختار خوشه‌ها) را پوشش دهیم و فضایی را فراهم آوریم که مراکز خوشه به ‌دست‌آمده کمترین فاصله را با داده‌ها داشته باشند. نتایج ارزیابی روش پیشنهادی و مقایسه آن با سایر روش‌های موجود، عملکرد مطلوب روش‌ پیشنهادی بر روی مجموعه داده‌های مختلف را نشان می دهد.