Resumen

El clustering conjunto puede mejorar la capacidad de generalización de un único algoritmo de clustering y generar un resultado de clustering más robusto mediante la integración de múltiples clusterings base, por lo que se convierte en el foco de la investigación actual sobre clustering. El clustering de conjuntos tiene como objetivo encontrar una partición de consenso que coincida al máximo con las agrupaciones de base. El algoritmo genético es un algoritmo de búsqueda altamente paralelo, estocástico y adaptativo desarrollado a partir de la selección natural y el mecanismo evolutivo de la biología. En este trabajo se diseña un algoritmo genético mejorado mediante la mejora de la codificación del cromosoma. Se construye un nuevo algoritmo evolutivo de membrana utilizando mecanismos genéticos como reglas de evolución y se combina con el mecanismo de comunicación del sistema P de tipo celular. El algoritmo propuesto se utiliza para optimizar las agrupaciones de base y encontrar el cromosoma óptimo como resultado final de la agrupación de conjuntos. La capacidad de optimización global del algoritmo genético y la rápida convergencia del sistema de membranas hacen que el algoritmo evolutivo de membranas funcione mejor que varias técnicas del estado del arte en seis conjuntos de datos UCI del mundo real.

• Materias:Algoritmos genéticos Cerebro - fisiopatología Neurociencia Cognitiva Fisiología vegetal
• Subjects:Genetic algorithms Brain - pathophysiology Cognitive Neuroscience Plant physiology
• Palabras claves:agrupación de bases, algoritmo genético, algoritmo evolutivo, algoritmo genético mejorado, resultados de agrupación de conjuntos, mecanismo de la biología, datos mundiales de la uci, agrupación de bases múltiples, conjunto de datos de la uci, mecanismo de la célula
• Keywords:base clustering, genetic algorithm, evolutionary algorithm, improved genetic algorithm, ensemble clustering results, mechanism of biology, world uci data, multiple base clustering, uci data set, mechanism of cell