سال انتشار: ۱۳۹۱

محل انتشار: همایش منطقه ای علوم کامپیوتر، مهندسی کامپیورتر و فناوری اطلاعات

تعداد صفحات: ۱۵

نویسنده(ها):

فاطمه گلی چناری – دانشجوی کارشناسی ارشد دانشگاه آزاد اسلامی قزوین – دانشکده برق، رایان
محمد صنیعی آباده – استادیار دانشگاه تربیت مدرس – دانشکده برق و رایانه و فناوری اطلاعات

چکیده:

خوشه بندی از روش‌های مهم در داده کاوی می‌باشد که به دلیل نزدیک بودن با مسائل طبیعی در بسیاری از زمینه‌ها مورد توجه قرار گرفته است. یکی از مهم‌ترین الگوریتم های خوشه بندی که به طور گسترده به کار می‌رود الگوریتم k-means می‌باشد. الگوریتم k-means کاربردهای بسیاری در زمینه‌های مختلف علمی و صنعتی دارد. با وجود سادگی پیاده‌سازی آسان این الگوریتم چالش‌هایی نیز دارد که این چالش‌ها در سال‌های اخیر با به‌کارگیری k-means به‌صورت ترکیبی با سایر الگوریتمهای فرا مکاشفه ای برطرف شده است. در این مقاله یک دسته بندی از روش‌های فرا مکاشفه ای جدیدی که به منظور برطرف سازی معایب الگوریتم k-means به طور ترکیبی به کار رفته‌اند صورت گرفته است.