خوشهبندي دادهها با استفاده ازتركيب الگوريتمهاي فاخته و ژنتيك

خوشه‌بندي داده‌ها به عنوان يكي از روش‌هاي دسته بندي در حوزه‌ هاي گوناگوني مانند پزشكي، آموزش و مهندسي كاربرد د ارد. يكي از روش‌هاي موجود در اين زمينه الگوريتم k-means مي‌باشد، اگرچه الگوريتم از سرعت بالايي برخوردار است، اما وابسته به مراكز خوشه اوليه و امكان همگرايي به نقاط بهينه محلي وجود دارد. اخيرا الگوريتم‌هاي بهينه‌سازي براي خوشه‌بندي با هدف يافتن مراكز بهينه به كمك توابع هدف متفاوت استفاده مي‌شوند. در اين مقاله يك الگوريتم تركيبي جديد براي خوشه‌بندي داده‌ها با استفاده از الگوريتم فاخته والگوريتم ژنتيك پيشنهاد مي‌دهيم. هدف از تركيب الگوريتم‌ها پيدا كردن مراكز بهينه براي دسته‌بندي داده‌ها و حل مشكلات موجود در الگوريتمmeans k- مي‌باشد. كارايي الگوريتم پيشنهادي بر روي مجموعه داده استانداردUCI ارزيابي شد. نتايج شبيه سازي نشان مي‌دهدكه تركيب اين دو الگوريتم نسبت به اجراي منفرد آنها و هم‌چنين نسبت به ساير روش‌هاي مورد مقايسه عملكرد بهتري را دارد.