سید محمد صادق نبوی چاشمی - دانشگاه آزاد اسلامی واحد شاهرود
مرصاد شعبان پور - دانشگاه آزاد اسلامی واحد مشهد
ایمان باقر پور خشکی - دانشگاه آزاد اسلامی واحد آیت الله آملی

مسئله خوشه بندی داده ها، یکی از موضوعات پژوهشی مهم در زمینه های متنوع از جمله آمار، الگوی تشخیص و یادگیری ماشین و داده کاوی بوده که برای دسته بندی مجموعه داده ها و اشیاء استفاده می شود. تاکنو روش زیادی برای خوشه بندی معرفی شده است . در این م قاله یک روش نوین برای خوشه بندی داده ها بر مبنای الگوریتم K-Means ارائه شد. یکی از معایب الگوریتم K-Means حرکت به سمت بهینه محلی است. در روش پیشنهادی با ترکیب الگوریتم K-Means با الگوریتم SA و بر پایه الگوریتم جستجوی هارمونی سعی شده است تا این مشکل حل گردد. نتایج تجربی نشان می دهد این ایده کارا بوده و در مقایسه با دیگر روش ها به نتایج بهتری دست می یابد.

الگوریتم جستجوی شبیه سازی تبرید، الگوریتم جستجوی هارمونی، داده کاوی، خوشه بندی