بابک نصیری - دانشکده برق کامپیوتر و فناوری اطلاعات
محمدرضا میبدی - دانشکده مهندسی کامپیوتر و فناوری اطلاعات

خوشه بندی یکی از وظایف اصلی در داده کاوی بشمار می رود وقتی تعداد نمونه ها و ابعاد داده ها بسیار باشند استفاده از اتوماتای یادگیر بمنظور خوشه بندی بسیار زمان گیر و پرهزینه خواهد بود از این رو دراین مقاله یک رهیافت دو مرحله ای برای خوشه بندی داده ها مبتنی بر شبکه ایمنی مصنوعی و اتوماتای یادگیر پیشنهاد شده است در ابتدا با استفاده از شبکه ایمنی مصنوعی، حجم داده های مورد انالیز کاهش می یابد. کاهش حجم داده ها بصورت سطحی با کم کردن نمونه ها در مجموعه داده صورت می گیرد شبکه ایمنی مصنوعی نمونه هایی که می بایست در مجموعه داده باقی بمانند را انتخاب می کند سپس در مرحله بعد با استفاده از اتوماتای یادگیر تطبیق پذیر خوشه بندی داده ها بصورت پویا به روش جدیدی انجام می شود نتایج به دست امده برروی مجموعه داده هایمختلف در مقایسه با نتایج حاصل از سه روش خوشه بندی K-MEANS EM 'DBSCAN حکایت از قابل مقایسه بودن روش پیشنهادی در مقایسه با سایر روشها دارد.

خوشه بندی ، سیستم ایمنی مصنوعی، اتوماتای یادگیر، شبکه ایمنی مصنوعی، داده کاوی