سیدابوالفضل طباطبایی - دانشجوی دکتری مهندسی کامپیوتر، دانشکده مهندسی برق و کامپیوتر دانشگاه یزد ایران
مهدی جاماسب - دانشجوی دکتری مهندسی کامپیوتر، دانشکده مهندسی برق و کامپیوتر دانشگاه یزد ایران
علی محمد لطیف - استادیار، دانشکده مهندسی برق و کامپیوتر دانشگاه یزد ایران

خوشه بندی از مباحث مهم داده کاوی محسوب می شود. الگوریتم K-Means یکی از مهمترین الگوریتم های خوشه بندی است که در عین سادگی و کاربرد زیاد، دارای معایبی است. یکی از عیب ها این است که روالی مشخص برای محاسبه اولیه مراکز خوشه ها وجود ندارد و به صورت تصادفی انتخاب می شود. در این مقاله، با استفاده از الگوریتم های تکاملی روشی برای بهبود عملکرد الگوریتم K-Means با انتخاب نقاط اولیه خوشه بندی ارایه شده است.

خوشه بندی، داده کاوی، الگوریتم K-Means، الگوریتم تکاملی