جواد حمیدزاده - استادیار دانشکده مهندسی کامپیوتر فناوری اطلاعات دانشگاه صنعتی سجاد ،مشهد،
علی زمانی خلیل آباد - دانشجوی کارشناسی ارشد مهندسی کامپیوتر نرم افزار دانشگاه آزاد اسلامی، فردوس، ایران
علی آرچین - دانشجوی کارشناسی ارشد مهندسی کامپیوتر نرم افزار دانشگاه آزاد اسلامی، فردوس، ایران

خوشه بندی داده ها به کلاسها یا دسته های متناسب، یکی از مباحث مهم مطرح در تشخیص الگوست. آنچه در خوشهبندی حایز اهمیت است انجام این کار به گونه ای ست که، داده هایی که درست طبقه بندی نشده اند به حداقل برسند یا به عبارت دیگر در هرکلاس داده هایی قرار بگیرند که حداکثر نزدیکی مشابهت را با هم داشته باشند. هدف این مقاله اینست که باکمک الگوریتم بهینه سازی مگس میوه، مدل پیشنهادی جدیدی که آن را FOA-Clustering نام نهاده ایم جهت بهبود روش K-Means معرفی کنیم. در پایان، روش مزبور بر روی مجموعه ای از داده ها،آزمایش شده است. نتایج، نشان دهنده برتری روش پیشنهادی ما نسبت به سایرروشهای مرز دانش است

تشخیص الگو، خوشه بندی، K-Means، الگوریتم بهینه سازی مگس میوه، FOA