بهبود الگوريتم خوشه بندي C-ميانگين فازي با استفاده از الگوريتم سيستم ايمني مصنوعي

خوشه بندي، فرايند تقسيم بندي مجموعه داده ي X، به C زيرمجموعه يا خوشه، براساس شباهت يا عدم شباهت آن-هاست. از مهمترين مشكلات الگوريتم هاي خوشه بندي، حساس بودن به نقاط اوليه و گير افتادن در نقاط بهينه محلي است. در دو دهه اخير محققان بسياري از الگوريتم هاي فرا ابتكاري براي حل اين مشكلات و رسيدن به نقاط بهينه سراسري استفاده كرده اند. در اين مقاله، روشي تركيبي با استفاده از الگوريتم سيستم ايمني مصنوعي و C-ميانگين فازي براي عمل خوشه بندي داده ها ارائه شده است. در اين روش بجاي اينكه نقاط اوليه به صورت تصادفي از ميان مجموعه ي داده انتخاب شوند، از بهترين نقاط پيدا شده توسط الگوريتم سيستم ايمني مصنوعي انتخاب مي شوند. آزمايشات نشان داده است كه با انتخاب اين نقاط به عنوان نقاط اوليه در الگوريتم C-ميانگين فازي، الگوريتم در كمترين تعداد تكرار همگرا مي شود و بهترين نتايج را به دنبال دارد. الگوريتم پيشنهادي، بر روي مجموعه داده هاي استاندارد آزمايش شده است. مقايسه نتايج بدست آمده با ساير روش ها، نشان مي دهد الگوريتم پيشنهادي كارايي مناسبي دارد.