فرزانه محلهء - گروه علوم کامپیوتر، دانشکده علوم پایه، دانشگاه آزاد اسلامی واحد خوی، خوی، ایران
عبدالرضا حاتملو - گروه علوم کامپیوتر، دانشکده علوم پایه، دانشگاه آزاد اسلامی واحد خوی، خوی، ایران

تکامل تکنولوژی پایگاهداده و استفاده فراوان آن در کاربردهای مختلف سبب جمعآوری حجم فراوانی داده شده است. شکاف موجود بین دادهها و اطلاعات سبب ایجاد نیاز برای ابزارهای دادهکاوی شده تا داده های بیارزش را به دانشی ارزشمند تبدیل کنیم یکی از مهمترین تکنیکهای استفاده شده در دادهکاوی خوشهبندی دادههاست. خوشهبندی، تقسیم دادهها به گروههایی از اشیا ء مشابه است؛ که اشیاء هر گروه یا خوشه به یکدیگر شبیه بوده و نسبت به اشیاء دیگر خوشه ها متفاوتند تاکنون الگوریت م های متعددی برای خوشهبندی ارایه شدهاند ولی الگوریتم یکتایی که تحت شرایط متفاوت با انواع گوناگون دادهها، عملکرد خوبی داشته باشد وجود ندارد. معروفترین الگوریتم خوشهبندی، الگوریتم K-means میباشد. این الگوریتم بهدلیل سادگی و سرعت بالابس یار پرکاربرد است؛ ولی دو ایراد اساسی دارد: عملکرد این الگوریتم به شدت وابسته به انتخاب اولیه مراکز خوشههاست؛ بعلاوه به راحتی در مینیمم محلی گرفتار میشود. برای حل معایب الگوریتم K-means در این مقاله یک الگوریتم ترکیبی با استفاده از الگوریتم K-means اجرا میشود و نتیجه آن به عنوان یکی از ورودیهای جمعیت اولیه الگوریتمHeart ستفاده می گردد . نتایج پیادهسازیها نشانگر قدرت بالای الگوریتم پیشنهادی در پیدا کردن خوشه های با کیفیت میباشد

خوشهبندی ، الگوریتم Heart الگوریتم ،K-means الگوریتم ترکیبی