سارا کاوه - دانشکده مهندسی کامپیوتر، واحد بوشهر، دانشگاه آزاد اسلامی، بوشهر، ایران،
حمید پروین - دانشکده مهندسی کامپیوتر، واحد نورآباد ممسنی، دانشگاه آزاد اسلامی، نورآباد ممسنی، ایران،
مرضیه دادور - دانشکده مهندسی کامپیوتر، واحد بوشهر، دانشگاه آزاد اسلامی، بوشهر، ایران،

خوشه بندی اطلاعات به معنی افراز کردن داده ها در خوشه های شبیه به هم است؛ به طوری که داده های هر خوشه حداکثر مشابهت را با همدیگر و حداکثر عدم شباهت را با داده های خوشه های دیگر داشته باشند. در اینجا یک چارچوب جدید برای بهبود کارایی خوشه بندی ترکیبی پیشنهاد شده است که مبتنی بر استفاده از زیرمجموعه ای از خوشه های اولیه می باشند. انتخاب این زیرمجموعه نقش حیاتی در کارایی اجماع دارد. این انتخاب به کمک دو روش هوشمند انجام می گیرد. ایده های اصلی در روش های پیشنهادی برای انتخاب زیرمجموعه ای از خوشه ها، استفاده از خوشه های پایدار به کمک الگوریتم های جس تجوی هوشمند می باشند. برای اعتبارسنجی خوشه ها، از معیار stability مبتنی بر اطلاعات متقابل استفاده شده است. در آخر نیز خوشه های انتخاب شده را به کمک چندین روش ترکیب نهایی با هم جمع می کنیم. نتایج تجربی روی چندین دیتاست استاندارد نشان می دهد که روش های پیشنهادی می توانند به طور موثری همچنین روش ترکیب کامل را بهبود دهند.

خوشه بندی ترکیبی، اعتبارسنجی خوشه، شبیه سازی برودتی، GA