میثم رهنمای فلاح - دانشگاه آزاد اسلامی، واحد الکترونیکی، گروه کامپیوتر، تهران، ایران
مرضیه فریدی ماسوله - دانشگاه آزاد اسلامی، واحد الکترونیکی، گروه کامپیوتر، تهران، ایران
محمدرضا عسگری پور - دانشگاه آزاد اسلامی، واحد الکترونیکی، گروه کامپیوتر، تهران، ایران

خوشه بندی یا آنالیز خوشه در آمار و یادگیری ماشینی، یکی از شاخه های یادگیری بینظارت میباشد و فرآیندی است که در طی آن، نمونه ها به دسته هایی که اعضای آن مشابه یکدیگر می باشند تقسیم میشوند که به این دسته ها خوشه گفته میشود؛ بنابراین خوشه مجموعه ای از اشیاء می باشد که در آن اشیاء با یکدیگر مشابه بوده و با اشیاء موجود در خوشه های دیگر غیر مشابه میباشند. خوشه بندی تنها روش در یادگیری بدون نظارت است. یک خوشه به مجموعه ای از داده ها گفته می شود که با هم حداقل در یک صفت شباهت داشته باشند. در خوشه بندی سعی می شود تا داده ها به خوشه هایی تقسیم شوند که شباهت بین داده های درون هر خوشه حداکثر و شباهت بین داده های درون خوشه های متفاوت، حداقل شود. در این مقاله یک روش ترکیبی برای خوشه بندی براساس الگوریتم های ژنتیک ارایه کرده ایم، به طوری که الگوریتم پیشنهادی خود تعداد خوشه های بهینه را تشخیص داده و خوشه بندی را انجام دهد. نتایج شبیه سازی نشان می دهد که الگوریتم پیشنهادی با پیدا کردن تعداد خوشه های بهینه منجر به بهبود خوشه بندی داده ها می شود.

روش های نوین، الگوریتم ژنتیک، خوشه بندی، داده ها