Journal: IEEE
خوشه بندی مورچه یکی از موثرترین متد های خوشه بندی است. در مقایسه با سایر متدهای خوشه بندی، الگوریتم خوشه بندی مورچه، دارای برتری ها و نقاط ضعفی است. برتری این روش این است که تعداد خوشه ها به صورت خودکار تولید می شود، و نقطعه ضعف این روش این است که نتایج خوشه به صورت تصادفی است و نتایج آن تحت تاثیر داده ها و پارامترهای ورودی است که آگهی کمی از کیفیت نتایج خوشه دارد. در این مقاله ما یک الگوریتم خوشه بندی مورچه بهبود یافته را مبتنی بر میانگین K ارائه می کنیم که که قوانین الگوریتم خوشه بندی مورچه را بهبود می دهد. در سیستم ما ، مقادیر مناسب پارامترهای Pdel و Iter با آموزش مجموعه داده ها قبل از خوشه بندی انجام میشود. نتایج آزمایشات نشان می دهد، که روش پیشنهادی دارای کارایی مناسب است.