علیکم سلام
یه نکته مفهومی اینجا مطرح هستش. خوشه بندی رو چرا بهتر کنیم؟ یا به عبارت ساده تر ما به دنبال چه خوشه بندی هستیم که الگوریتم k-means برای ما فراهم نمی کنه؟ و در جهت اون خوشه بندی مورد نظر چه دلیلی هستش که راه حل استفاده از k-means با تلفیق pso پاسخگوی نیاز ما هستش؟ و باز هم به عبارت ساده تر برای خوشه بندی که بر مبنای نیاز ما بهینه باشه (با هر تعریفی از فاصله که ما داشته باشیم)، چرا از الگوریتم های دیگه استفاده نکنیم؟
فرض می کنیم که علاقه تنها دلیل استفاده از تلفیق k-means و pso باشه. بازهم همچنان سوال قبلی پا برجاست که می خواهیم خوشه بندی رو در چه راستایی بهینه کنیم. و اگر فرض کنیم یک دلیل خاص هم داشته باشیم سوال آخر مطرح میشه چگونه این دو تا رو تلفیق کنیم تا بهینه ترین الگوریتم برای خوشه بندی مدنظر ایجاد بشه.
بنده طرحی در ذهن ندارم که سوال آخر چه پاسخ احتمالی خواهد داشت ولی برای رسیدن به اون پاسخ می تونید GP کنید. (در حالت تئوری جواب میده، تا بحال عملی امتحانشم نکردم). (منبع خوبی از GP با استفاده از C# توسط مایکروسافت در وبلاگ های یکی از طراحانش دیده بودم) خب در این حالت ما می تونیم دو تا الگوریتم رو با هم تلفیق کنیم و می تونیم به نوعی ادعا کنیم که الگوریتم تا حدودی بهینه هستش.
با تمام این تفاسیر برای اجرای GP باید تابعی برای تحلیل میزان بهینه بودن خوشه بندی ارائه کنیم. که پاسخ اون بر میگرده به همون نکته مفهومی اول.
با آرزوی توفیق برای پایان نامه تئوری محض و سنگین شما.
__________________
یک روز یک ماشین برای انتخابات ریاست جمهوری ثبت نام می کند
چه بخواهیم چه نخواهیم این اتفاق می افتد.
|