Cluster analysis is one of attracti

Cluster analysis is one of attractive data mining technique that use in many fields. One popular class of data clustering
algorithms is the center based clustering algorithm. K-means used as a popular clustering method due to its simplicity and
high speed in clustering large datasets. However, K-means has two shortcomings: dependency on the initial state and convergence
to local optima and global solutions of large problems cannot found with reasonable amount of computation
effort. In order to overcome local optima problem lots of studies done in clustering. Over the last decade, modeling the
behavior of social insects, such as ants and bees, for the purpose of search and problem solving has been the context of
the emerging area of swarm intelligence. Honey-bees are among the most closely studied social insects. Honey-bee mating
may also be considered as a typical swarm-based approach to optimization, in which the search algorithm is inspired by the
process of marriage in real honey-bee. Honey-bee has been used to model agent-based systems. In this paper, we proposed
application of honeybee mating optimization in clustering (HBMK-means). We compared HBMK-means with other heuristics
algorithm in clustering, such as GA, SA, TS, and ACO, by implementing them on several well-known datasets. Our
finding shows that the proposed algorithm works than the best one.

ผลลัพธ์ (ไทย) 1:

แบ่งเป็นหนึ่งในเทคนิคการทำเหมืองข้อมูลที่น่าสนใจที่ใช้ในหลายสาขา ชั้นนิยมข้อมูลคลัสเตอร์อัลกอริทึมเป็นอัลกอริทึมระบบคลัสเตอร์ศูนย์ K-หมายถึงใช้เป็นวิธีการระบบคลัสเตอร์ยอดนิยมเนื่องจากความเรียบง่าย และความเร็วสูงในคลัสเตอร์ datasets ขนาดใหญ่ อย่างไรก็ตาม K-หมายถึงมีการแสดงสอง: พึ่งพาสถานะเริ่มต้นและบรรจบกันพติท้องถิ่น และส่วนกลางแก้ปัญหาขนาดใหญ่ไม่พบ มีจำนวนคำนวณที่เหมาะสมความพยายาม เพื่อที่จะเอาชนะมากมายปัญหาพติท้องถิ่นศึกษาในคลัสเตอร์ กว่าทศวรรษที่ผ่านมา การสร้างโมเดลการพฤติกรรมของสังคมแมลง มดและผึ้ง เพื่อค้นหาและแก้ปัญหาได้รับของตั้งที่เกิดของปัญญาบินว่อน ผึ้งน้ำผึ้งเป็นหมู่แมลงสังคม studied อย่างใกล้ชิดมากที่สุด การผสมพันธุ์ผึ้งอาจถือเป็นปกติบินว่อนตามวิธีการเพื่อเพิ่มประสิทธิภาพ ซึ่งอัลกอริทึมการค้นหาเป็นแรงบันดาลใจขั้นตอนการแต่งงานในผึ้งจริง -ผึ้งได้มีการใช้รูปแบบระบบที่ใช้ตัวแทน ในเอกสารนี้ เราเสนอใช้น้ำผึ้งอิลอกผสมพันธุ์เพิ่มประสิทธิภาพในคลัสเตอร์ (HBMK หมายถึง) เราเปรียบเทียบวิธีการ HBMK กับรุกอื่น ๆอัลกอริทึม ในคลัสเตอร์ GA, SA, TS และ ACO โดยใช้งานบน datasets รู้จักหลาย ของเราค้นหาแสดงว่า ขั้นตอนวิธีการนำเสนอทำงานมากกว่าที่สุด

ผลลัพธ์ (ไทย) 3:

การวิเคราะห์การเกาะกลุ่มเป็นหนึ่งในที่น่าสนใจเทคนิคเหมืองข้อมูลที่ใช้ในด้านต่างๆ หนึ่งชั้นเรียนที่นิยมของกลุ่มข้อมูล
ขั้นตอนวิธีเป็นศูนย์ตามการจัดกลุ่มขั้นตอนวิธี k-means ใช้เป็นที่นิยมสำหรับวิธี เนื่องจากความเรียบง่ายและความเร็วสูงในการจัดกลุ่มข้อมูล
ขนาดใหญ่ อย่างไรก็ตาม k-means ที่มีสองข้อเสีย : การพึ่งพารัฐและการลู่เข้า
เริ่มต้นเพื่อแก้ไขปัญหาและ Optima ท้องถิ่นขนาดใหญ่ทั่วโลกสามารถพบในปริมาณที่เหมาะสมของการคำนวณ
ความพยายาม เพื่อที่จะเอาชนะปัญหา Optima ท้องถิ่นศึกษามากมายในการจัดกลุ่ม . กว่าทศวรรษที่ผ่านมา , การจำลองพฤติกรรมของแมลงสังคม เช่น มด และ ผึ้ง สำหรับวัตถุประสงค์ของการค้นหาและการแก้ไขปัญหาที่มีบริบทของ
เกิดพื้นที่ความฉลาดแบบกลุ่ม .ผึ้งอยู่ในหมู่มากที่สุดอย่างใกล้ชิดศึกษาสังคมแมลง ผึ้งผสมพันธุ์
อาจจะถือว่าเป็นปกติตามแนวทางการเพิ่มประสิทธิภาพของฝูง ซึ่งค้นหาแรงบันดาลใจจาก
กระบวนการของการแต่งงานในผึ้งจริง ผึ้งมีการใช้แบบจำลองตัวแทนระบบ ในกระดาษนี้เราเสนอ
ใบสมัครของผึ้งผสมพันธุ์ที่เหมาะสมในการจัดกลุ่ม ( hbmk หมายถึง )เราเปรียบเทียบกับอัลกอริทึมฮิวริสติก hbmk หมายถึง
อื่น ๆ ในกลุ่ม เช่น กา ซา , TS , และ ACO โดยการ พวก เขา ใน หลาย ที่รู้จักกันดี ชุดข้อมูล ของเรา
พบว่าวิธีที่เสนอผลงานมากกว่าหนึ่งที่ดีที่สุด