Ant-based and swarm-based clustering

Abstract

Clustering with swarm-based algorithms is emerging as an alternative to more conventional clustering methods, such as hierarchical clustering and k-means. Ant-based clustering stands out as the most widely used group of swarm-based clustering algorithms. Broadly speaking, there are two main types of ant-based clustering: the first group of methods directly mimics the clustering behavior observed in real ant colonies. The second group is less directly inspired by nature: the clustering task is reformulated as an optimization task and general purpose ant-based optimization heuristics are utilized to find good or near optimal clustering. This paper reviews both approaches and places these methods in the wider context of general swarm-based clustering approaches. Keywords Ant-based clustering, Swarm-based clustering, Ant colony optimization, Particle swarm optimization, Clustering, Data-mining.

 دانلود رایگان مقاله انگلیسی385.92 KB

چکیده
خوشه بندی با استفاده از الگوریتم های مبتنی بر ازدحام، مانند یک روش جایگزین برای روش های خوشه بندی متداول در حال ظهور است. برخی از این الگوریتم عبارت اند از، خوشه بندی اکتشافی و k-means. روش خوشه بندی مبتنی بر الگوریتم مورچه، که خارج از گروه عمده ای که از روش مبتنی بر ازدحام استفاده میکنند، قرار میگیرند. به طور کلی، دو نوع الگوریتم خوشه بندی مبتنی بر الگوریتم مورچه وجود دارد: وظیفه خوشه بندی، مانند یک وظیفه بهبود سازی، سازماندهی مجدد میشود و هدف اصلی در اکتشافات روش بهینه مبتنی برمورچه، برای پیدا کردن بهترین و یا نزدیکترین خوشه بندی بهینه، استفاده میشود. این مقاله، هر دو رویکرد بیان شده را مرور کرده و این روش ها را در چارچوب گسترده ای از رویکردهای خوشه بندی مبتنی بر ازدحام، قرار میدهد.
کلمات کلیدی: خوشه بندی مبتنی بر مورچه، خوشه بندی مبتنی بر ازدحام، بهینه سازی کلونی مورچه، بهینه سازی ازدحام ذره ای، خوشه بندی، داده کاوی.

 تعداد صفحات مقاله انگلیسی:  19   صفحه

 تعداد صفحات فارسی مقاله ترجمه شده :  24   صفحه

 قالب بندی فایل: فایل ورد (Word)