Optimisation du regroupement k-means à l'aide d'un algorithme génétique

Au fil du temps, une énorme quantité de données est accumulée. L'extraction d'informations est l'un des processus qui prend le plus de temps, car elle varie considérablement en fonction des besoins de l'utilisateur . Lesdifférentes approches du data mining sont utilisées pour compiler les données pertinentes et lesprésenter de manière digeste aux utilisateurs finaux . Leregroupement et la classification sont deux techniques d'exploration de données utilisées pour découvrir des modèles et des idées inédits.Ce résumé traite de l'utilisation des techniques d'exploration de données, en particulier le regroupement et la classification, pour extraire des informations pertinentes à partir de données accumulées. Il souligne l'importance de la sélection d'un algorithme de regroupement approprié et présente le concept d'utilisation d'un algorithme génétique pour améliorer la méthode de regroupement des k-moyennes. La méthode proposée vise à optimiser le processus de regroupement et démontre son efficacité au moyen d'un test basé sur un scénario. Le résumé conclut en suggérant des recherches futures pour optimiser davantage l'algorithme k-means à l'aide de diverses méthodes évolutionnaires.

Gaurav Dwivedi est professeur assistant à la faculté de CSE/CA de l'Université Unie de Prayagraj. Avec plus de 5 ans d'expérience dans l'enseignement, il est titulaire d'un M.Tech et d'un B.Tech en CSE. Il a contribué au domaine de la recherche par ses brevets et ses publications dans des revues internationales, ainsi que par des présentations lors de conférences internationales.