الگوريتم خوشه بندي تركيبي با استفاده از الگوريتم هاي جست و جوي فاخته اصلاح شده و K - Harmonic Means

الگوريتم K- Harmonic Means يك نسخه بهبود يافته از الگوريتم خوشه بندي K- means است كه بر اساس كمينه گردن ميانگين هارمونيك تمام نقاط موجود در يك مجموعه داده تا مراكز خوشه ها عمل مي كند. اين الگوريتم مسئله حساس بودن به مقدار اوليه را كه يكي از مشكلات اساسي الگوريتم K- means است، پوشش مي دهد؛ اما مشكل گرفتار شدن در دام بهينه محلي همچنان آن را تهديد مي كند. براي حل اين مشكل يك تكنيك بهينه سازي سراسري احتمالي با استفاده از الگوريتم بهينه سازي جست وجوي فاخته پيشنهاد مي شود. در اين مقاله الگوريتم خوشه بندي تركيبي DCS - KHM با استفاده از الگوريتم K - Harmonic Means و يك نسخه اصلاح شده از الگوريتم بهينه سازي جستوجوي فاخته معرفي شده است كه مي تواند با استفاده از مزيت سرعت الگوريتم K - Harmonic Means و دقت الگوريتم بهينه سازي فاخته، علاوه بر فرار از دام بهينه محلي بر سرعت پايين همگرايي الگوريتم بهينه سازي فاخته هم غلبه كند. نتايج به دست آمده از انجام آزمايش ها روي چهار مجموعه داده واقعي و دو مجموعه داده مصنوعي، عملكرد مناسب الگوريتم تركيبي را تأييد مي كند