مشخصات پژوهش

عنوان	کاهش نرخ خطا در خوشه بندی داده های مجموعه داده Iris با ارائه یک نسخه بهبودیافته از الگوریتم PSO
نوع پژوهش	مقاله ارائه شده
کلیدواژه‌ها	الگوریتم PSO ،خوشه بندی، بهینه سازی، مجموعه داده، نرخ خطا
چکیده	خوشه بندی داده ها ابزار محبوبی برای تجزیه و تحلیل داده ها در اکثر رشته هاست که شامل شناخت الگو، داده کاوی، یادگیری ماشین، تجزیه و تحلیل تصویر و بیوانفورماتیک است که در هرکدام ممکن است اطلاعات با هر اندازه و شکلی و از هر توزیعی، تجزیه و تحلیل شوند. خوشه بندی به عنوان روشی برای تشخیص ساختار و گره گشایی روابط پیچیده بین حجم عظیم داده ها موثر است. روش بهبودیافته ای که بهینه سازی ازدحام ذرات بی نظم و افزایش سرعت همگرایی را ترکیب کند به کار رفته است، چرا که توانسته برای مجموعه داده Iris، نسبت به نتایج ارائه شده توسط کائو و همکارانش [1]، نرخ خطای پایین تری را داشته باشد. این روش در بین مجموعه داده های دلخواه، مراکز خوشه مناسب را جستجو می کند و می تواند به طور موثر و کارآمد جواب های بهتری پیدا کند.
پژوهشگران	داور گیوکی (نفر اول)