مروری بر روش‌های ترکیبی الگوریتم خوشه بندی k-means و الگوریتم های فرا مکاشفه ای جهت رویارویی با معایب الگوریتم k-means

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.

کلیدواژه ها:

خوشه بندی ، الگوریتم k-means ، الگوریتم ترکیبی ، روش‌های فرا مکاشفه ای