ارائه یک مدل جدید خوشه بندی به کمک ترکیب الگوریتم های بهینه سازی

امروزه با حجم وسیعی از اطلاعات مواجه هستیم که باید آن ها را ذخیره سازی نموده و نمایش دهیم. یکی از روش های مهم و ضروری در کنترل و مدیریت این داده ها، گروه بندی داده های دارای ویژگی های مشابه درون مجموعه ای از دسته ها یا خوشه ها است. الگوریتم های خوشه بندی بر مجموعه ای از الگوها اعمال می شوند تا الگوهای ورودی را به چندین خوشه (گروه) تقسیم کنند؛ به عبارت دیگر خوشه بندی مطلوب، خوشه بندی است که واریانس درونی خوشه ها در آن حداقل و واریانس بین خوشه ها در آن حداکثر باشد. به خاطر پیچیدگی، وجود پارامترهای متعدد و ضعف روش های خوشه بندی سنتی، امروزه بیشتر محققین شروع به پژوهش در حیطه روش های خوشه بندی تکاملی کرده اند. هدف مطالعه حاضر نیز ترکیب دو الگوریتم بهینه سازی جستجوی ذرات و الگوریتم گروه میگوها به منظور ارائه یک مدل جدید خوشه بندی می باشد. برای ارزیابی مدل فوق از پایگاه داده Iris، Glass و Cancer استفاده و نتایج با روش های مشابه مقایسه شده است. نتایج نشان می دهد که روش پیشنهادی از لحاظ دقت در خوشه بندی دادگان تولید شده نسبت به الگوریتم استاندارد خوشه بندی بهتر عمل می کند