دانلود مقاله ترجمه شده یک آلگوریتم خوشه بندی فازی هیبرید جدید بر اساس کلنی زنبور مصنوعی و میانگین های C

 در این مطالعه یک الگوریتم خوشه ­بندی ترکیبی جدید پیشنهاد شده است که بر اساس کلنی زنبور عسل مصنوعی (ABC) و میانگین ­های C فازی (FCM) است. هنگامی کهFCM بر مجموعه داده دارای ابعاد بالا اعمال می­شود، معمولا منتج به پارتیشن­ بندی بهینه محلی می­ شود. در این مقاله ما این مشکل را بررسی می­کنیم و از یک تکنیک به تازگی توسعه ­یافته تکاملی به نام کلنی زنبور عسل مصنوعی در ترکیب با FCM استفاده می­کنیم. از این رو، نام آن الگوریتم زنبور عسل میانگین­ های C فازی (FCB) است. این روش می­تواند مرکزوارهای بهینه مطلق خوشه را بهتر از FCM به عنوان پرکاربردترین و محبوب­ترین تکنیک خوشه ­بندی تشخیص دهد. برای نشان دادن عملکرد الگوریتم پیشنهادی FCM آن را برای برخی از مجموعه داده استاندارد مجموعه داده­ های UCI استفاده کردیم. نتایج نشان می­دهد که FCB به بهینه کلی سریعتر از FCM و ABC همگرا می­شود.