Сочинение на тему Улучшение кластеризации данных с использованием гравитационного алгоритма PSO

<Р> Абстрактный

В последние годы кластеризация данных метаэвристическим методом становится популярной в области интеллектуального анализа данных. Все эти методы страдают от проблемы оптимизации, которая рассматривается в этой статье. Проблема возникает, когда кластерные центроиды происходят от особи населения (частицы в этой статье) не играют роли центра кластера. Мы используем закон гравитации, чтобы решить эту проблему. После того, как данные каждой кластеризации частиц, центроиды перемещаются к центру масс данных в кластере желаний по закону гравитации. В законе гравитации обрабатывают все данные в кластере, чтобы заставить центроид кластера переместить их в центр масс кластера. Частицы оцениваются после этого улучшения с помощью выбранного внутреннего индекса проверки кластеризации (CVI). Мы изучили некоторые CVI и обнаружили, что Xu, Du и WB являются наиболее точными CVI. Предлагаемый метод по сравнению с некоторыми методами кластеризации включает методы кластеризации Роя частиц и знакомые методы кластеризации по индексу Жакара. Результат показывает, что наш метод работает более точно.

<Р> Введение

Цель кластеризации – объединить одни и те же образцы в кластер и разные образцы в разных кластерах. Различные методы были предложены для кластеризации данных. Эти методы делятся на разные ветви. В качестве основных методов кластеризации могут использоваться методы разделения, иерархического, плотного и сетевого подходов. Методы разбиения считаются многими, и самый популярный метод кластеризации – это метод среднего значения (Jain, 2010). Метод K-средних имеет ряд недостатков, самым основным из которых является то, что каждая целевая функция не может быть использована, есть возможность получить локальную оптимуму, и число кластеров должно быть указано с самого начала. Целевая функция K-Means учитывает только расстояние внутри кластера, но не заботится о расстоянии между кластерами. С другой стороны, были введены многие индексы достоверности кластеров (CVI), которые учитывают как межкластерное расстояние, так и межкластерное расстояние. Таким образом, мы можем использовать эти CVI в качестве целевой функции метода кластеризации для первой проблемы, упомянутой выше. Для второй проблемы мы можем использовать общий оптимизатор, который редко застревает в локальной оптиме. Если оптимизатор может выбрать наилучшее количество кластеров в соответствии с целевой функцией, последняя проблема решается. Метаэвристические методы, такие как Оптимизация роя частиц (PSO) (van der Merwe & Engelbrecht, 2003) и его вариации (Cura, 2012; Valente de Oliveira, Szabo, & de Castro, 2017), Генетический алгоритм (GA) (Maulik & Bandyopadhyay, 2000) и его вариации, «Оптимизация пчелиных семей (ACO)» (Ozturk, Hancer, & Karaboga, 2015; Yan, Zhu, Zou, & Wang, 2012) и Алгоритм гравитационного поиска (GSA) (Dowlatshahi & Nezamabadi-pour, 2014). предложил для этих проблем. Все эти методы страдают от другой проблемы, которую мы рассмотрели в этой статье.

Проблема возникает, когда центроиды кластера от отдельного населения не играют роли центров кластера. Например, на рис. 1 вы можете видеть 3 кластера и 2 типа центроидов (квадраты и круги), которые извлекаются из 2 разных частиц в PSO. Если мы используем эти частицы, результат кластеризации двух частиц точно одинаков, но области двух частиц различны. Это означает, что частицы, делающие определенную кластеризацию, могут получить различную пригодность, и это вызывает некоторую проблему в оптимизации. Эта проблема влияет на разнообразие населения даже на разведку и эксплуатацию оптимизатора.

1-2 шт.

Базовая форма алгоритма PSO была введена в (Kennedy & Eberhart, 1995) и позже изменена в (Shi & Eberhart, 1998). В алгоритме рой S частиц случайным образом летит через N-мерное пространство поиска, где положение каждой частицы представляет потенциальное решение задачи оптимизации. Каждая частица p с текущим положением xp и текущей скоростью vp до сих пор помнит свое личное решение, bp. Рой помнит лучшее решение, достигнутое в мире, bS. Частицы испытывают притяжение к лучшим решениям, и через некоторое время рой обычно сходится к оптимальному.

Из-за своей стохастической природы PSO может избежать некоторых локальных оптимумов. Однако для основной формы алгоритма PSO преждевременная сходимость к локальному оптимуму является распространенной проблемой. Таким образом, были введены несколько модификаций или расширений базовой формы (Poli, Kennedy, & Blackwell, 2007), например, «Возмущенный PSO» (Xinchao, 2010), «Orthogonal Learning PSO» (Zhan, Zhang, Li, & Shi, 2011), или различные топологии локального соседства, например, полностью информированный PSO (Mendes, Kennedy, & Neves, 2004).

В кластеризации, как и в других приложениях PSO, положение каждой частицы должно представлять потенциальное решение проблемы. Чаще всего это реализуется путем кодирования положения частицы p как xp = {mp, 1,…, mp, j,…, mp, K}, где mp, j представляет j-й (потенциальный) центроид кластера в N-мерном пространстве. пространство данных, а K – номера кластеров. Каждый элемент K-мерной позиции частицы, xp, теперь является N-мерной позицией в пространстве данных. Кроме того, было предложено другое кодирование частиц, такое как кодирование на основе разделов (Jarboui, Cheikh, Siarry & Rebai, 2007), где каждая частица представляет собой вектор из n целых чисел, n – это число элементов данных, которые должны быть сгруппированы, и i-й элемент представляет метку кластера, назначенную элементу i, i ∈ {1,…, n}.

Основным ограничением предложенного метода была необходимость вручную определять номера кластеров, K, априорных. Другой метод кластеризации, предложенный в (Omran, Salman, & Engelbrecht, 2006), преодолел это ограничение с помощью двоичного PSO, чтобы выбрать, какой из потенциальных центроидов частиц должен быть включен в окончательное решение, но в этом методе алгоритм K-средних использовался для уточнить позиции центроидов.