Published December 1, 2011
| Version v1
Publication
Open
Application of Bio-inspired Metaheuristics in the Data Clustering Problem
Creators
- 1. Universidade Federal do Paraná
- 2. University Alto Vale do Rio do Peixe
- 3. Universidade Tecnológica Federal do Paraná
Description
Clustering analysis includes a number of different algorithms and methods for grouping objects by their similar characteristics into categories. In recent years, considerable effort has been made to improve such algorithms performance. In this sense, this paper explores three different bio-inspired metaheuristics in the clustering problem: Genetic Algorithms (GAs), Ant Colony Optimization (ACO), and Artificial Immune Systems (AIS). This paper proposes some refinements to be applied to these metaheuristics in order to improve their performance in the data clustering problem. The performance of the proposed algorithms is compared on five different numeric UCI databases. The results show that GA, ACO and AIS based algorithms are able to efficiently and automatically forming natural groups from a pre-defined number of clusters.
Translated Descriptions
⚠️
This is an automatic machine translation with an accuracy of 90-95%
Translated Description (Arabic)
يتضمن تحليل التجميع عددًا من الخوارزميات والطرق المختلفة لتجميع الكائنات حسب خصائصها المتشابهة في فئات. في السنوات الأخيرة، بُذلت جهود كبيرة لتحسين أداء هذه الخوارزميات. وبهذا المعنى، تستكشف هذه الورقة ثلاثة أنواع مختلفة من metaheuristics المستوحاة من الحيوية في مشكلة التجميع: الخوارزميات الجينية (GAs)، وتحسين مستعمرة النمل (ACO)، وأنظمة المناعة الاصطناعية (AIS). تقترح هذه الورقة بعض التحسينات التي سيتم تطبيقها على هذه الاستدلاليات من أجل تحسين أدائها في مشكلة تجميع البيانات. تتم مقارنة أداء الخوارزميات المقترحة في خمس قواعد بيانات رقمية مختلفة. تظهر النتائج أن الخوارزميات القائمة على GA و ACO و AIS قادرة على تشكيل مجموعات طبيعية بكفاءة وتلقائية من عدد محدد مسبقًا من المجموعات.Translated Description (French)
L'analyse de regroupement comprend un certain nombre d'algorithmes et de méthodes différents pour regrouper les objets par leurs caractéristiques similaires en catégories. Ces dernières années, des efforts considérables ont été déployés pour améliorer les performances de ces algorithmes. En ce sens, cet article explore trois métaheuristiques bio-inspirées différentes dans le problème de clustering : les algorithmes génétiques (AG), l'optimisation des colonies de fourmis (ACO) et les systèmes immunitaires artificiels (SIA). Cet article propose quelques améliorations à apporter à ces métaheuristiques afin d'améliorer leurs performances dans le problème du clustering de données. La performance des algorithmes proposés est comparée sur cinq bases de données numériques UCI différentes. Les résultats montrent que les algorithmes basés sur GA, ACO et AIS sont capables de former efficacement et automatiquement des groupes naturels à partir d'un nombre prédéfini de grappes.Translated Description (Spanish)
El análisis de agrupación incluye una serie de algoritmos y métodos diferentes para agrupar objetos por sus características similares en categorías. En los últimos años, se ha realizado un esfuerzo considerable para mejorar el rendimiento de dichos algoritmos. En este sentido, este artículo explora tres metaheurísticas bioinspiradas diferentes en el problema del agrupamiento: Algoritmos Genéticos (AG), Optimización de Colonias de Hormigas (ACO) y Sistemas Inmunológicos Artificiales (AIS). Este documento propone algunos refinamientos que se aplicarán a estas metaheurísticas con el fin de mejorar su rendimiento en el problema de agrupación de datos. El rendimiento de los algoritmos propuestos se compara en cinco bases de datos numéricas UCI diferentes. Los resultados muestran que los algoritmos basados en GA, ACO y AIS son capaces de formar de manera eficiente y automática grupos naturales a partir de un número predefinido de grupos.Files
219.pdf
Files
(226 Bytes)
| Name | Size | Download all |
|---|---|---|
|
md5:5360980bad11bf9723da89687501effc
|
226 Bytes | Preview Download |
Additional details
Additional titles
- Translated title (Arabic)
- تطبيق metaheuristics المستوحاة من البيولوجيا في مشكلة تجميع البيانات
- Translated title (French)
- Application de la métaheuristique bio-inspirée dans le problème du clustering de données
- Translated title (Spanish)
- Aplicación de la metaheurística bioinspirada en el problema de la agrupación de datos
Identifiers
- Other
- https://openalex.org/W2900902836
- DOI
- 10.19153/cleiej.14.3.5
References
- https://openalex.org/W101449181
- https://openalex.org/W11219134
- https://openalex.org/W1485002359
- https://openalex.org/W1492640216
- https://openalex.org/W1514800906
- https://openalex.org/W1530489096
- https://openalex.org/W1550045403
- https://openalex.org/W1570324618
- https://openalex.org/W1664695950
- https://openalex.org/W1859725554
- https://openalex.org/W1865735874
- https://openalex.org/W1978695274
- https://openalex.org/W2004020960
- https://openalex.org/W2005462790
- https://openalex.org/W2041895610
- https://openalex.org/W2045583760
- https://openalex.org/W2071965987
- https://openalex.org/W2075019468
- https://openalex.org/W2098477891
- https://openalex.org/W2103868202
- https://openalex.org/W2108398740
- https://openalex.org/W2120529703
- https://openalex.org/W2122410182
- https://openalex.org/W2123980993
- https://openalex.org/W2140190241
- https://openalex.org/W2153233077
- https://openalex.org/W2156773695
- https://openalex.org/W2157122594
- https://openalex.org/W2159809809
- https://openalex.org/W2169936690
- https://openalex.org/W2904250082
- https://openalex.org/W3120740533
- https://openalex.org/W44882659