K-AFSA یک روش ترکیبی جدید برای خوشه بندی داده ها

خوشه بندی داده ها درتشخیص ساختار داده ها و مختصر و ساده سازی حجم زیاد داده های پیچیده به ما کمک می کند این تکنیک معمولی و عمومی درزمینه های زیادی از جمله یادگیری ماشین داده کاوی تحلیل تصاویر و تشخیص الگو به کاررفته است الگوریتم K-means که یکی ازمعروفترین روشهای خوشه بندی است و دربسیاری از کاربردها به کاررفته ازچندین مشکل ازجمله حساسیت به انتخاب های نخستین و همگرایی به بهینه های محلی رنج می برد الگوریتم دسته ماهی های مصنوعی afsa جز الگوریتم های هوش جمعی می باشد از جمله ویژگی های این الگوریتم می توان به سرعت همگرایی بالا و حساس نبودن بهمقادیر اولیه اشاره کرد دراین مقاله یک روش ترکیبی جدید براساس ترکیب الگوریتم K-means و الگوریتم دسته ماهی های مصنوعی که K-AFSA نامیده می شود پیشنهاد شده است این روش جدید از بهینه های محلی به خوبی عبور می کند این الگوریتم در 3 مجموعه داده واقعی wine pima 5iris آزمایش شد و کارایی آن با کاریی روشهای خوشه بندی AFSA K-PSO 5K-means مقایسه شد