سعید حمدالهی اسکویی - دانشجوی کارشناسی ارشد، دانشکده فناوری اطلاعات و مهندسی کامپیوتر دانشگاه شهید مدنی آذربایجان، تبریز، ایران
مهدی هاشم زاده - استادیار، دانشکده فناوری اطلاعات و مهندسی کامپیوتر دانشگاه شهید مدنی آذربایجان، تبریز، ایران

خوشه بندی، فرایند تقسیم بندی مجموعه داده ی x ، به c زیرمجموعه یا خوشه، براساس شباهت یا عدم شباهت آنهاست. از مهمترین مشکلات الگوریتم های خوشه بندی، حساس بودن به نقاط اولیه و گیر افتادن در نقاط بهینه محلی است. در دو دهه اخیر محققان بسیاری از الگوریتم های فرا ابتکاری برای حل این مشکلات و رسیدن به نقاط بهینه سراسری استفاده کرده اند. در این مقاله، روشی ترکیبی با استفاده از الگوریتم سیستم ایمنی مصنوعی و c -میانگین فازی برای عمل خوشه بندی داده ها ارایه شده است. در این روش بجای اینکه نقاط اولیه به صورت تصادفی از میان مجموعه ی داده انتخاب شوند، از بهترین نقاط پیدا شده توسط الگوریتم سیستم ایمنی مصنوعی انتخاب می شوند. آزمایشات نشان داده است که با انتخاب این نقاط به عنوان نقاط اولیه در الگوریتم c -میانگین فازی، الگوریتم در کمترین تعداد تکرار همگرا می شود و بهترین نتایج را به دنبال دارد. الگوریتم پیشنهادی، بر روی مجموعه داده های استاندارد آزمایش شده است. مقایسه نتایج بدست آمده با سایر روش ها، نشان می دهد الگوریتم پیشنهادی کارایی مناسبی دارد.

؛ C- میانگین فازی، سیستم ایمنی مصنوعی، بهینه سازی، تیوری فازی، خوشه بندی