زهرا کوثری - دانشجوی کارشناسی ارشد نرم افزار دانشکده کامپیوتر دانشگاه آزاد اسلامی واحد نجف آباد
محمدحسین ندیمی - استادیار دانشکده کامپیوتر دانشگاه آزاد اسلامی واحد نجف آباد

خوشه بند یکی از رایج ترین تکنیک های داده کاوی است.الگوریتم k-means یکی از روش های رایج خوشه بندی می باشد که علیرغم مزایای بسیار از جمله سرعت بالا و سهولت پیاده سازی، مشکل حساس بودن مراکز اولیه خوشه ها و قرار گرفتن در دام بهینه محلی را دارد.در این مقاله، جهت رفع مشکلات موجود روش ترکیبی مبتنی بر الگوریتم های GSA و GA و k-means ارائه شده است. تابع هدف، حداقل کردن مجموع مربعات فاصله نقاط داده ای از مراکز خوشه ها است. که ما آن را SSD می نامیم. به منظور اعتبارسنجی، روش پیشنهادی برای پنج مجموعه داده متداول پیاده سازی شده و نتایج با الگوریتم های GSA-KM و k-means مقایسه شده است. نتایج آزمایشات بیانگر عملکرد بهتر روش پیشنهادی نسبت به روش های دیگر می باشد.

خوشه بندی، الگوریتم GSA، الگوریتم k-means