ارائه روش خوشه بندی تطبیقی با استفاده از ترکیب الگوریتم های بهینه سازی

روش های خوشه بندی از دو مشکل اساسی رنج می برند: انتخاب تعداد خوشه ها و انتخاب نقطه اولیه برای هر خوشه. هدف از این پایان نامه غلبه بر مشکلات ذکر شده و افزایش دقت تخصیص داده ها به خوشه ها می باشد. در این پایان نامه روش خوشه بندی تطبیقی با استفاده از ترکیب الگوریتم بهینه سهاز ی ازدحام ذرات PSO ( و جسهتوو یگرانشی GSA ( ارائه می شود. در این پایان نامه از الگوریتم PSO به منظور یافتن نقاط مرکزی خوشه ها استفاده خواهد شد. همچنین در این پایان نامه از الگوریتم جستوی گرانشی (GSA) به منظور سنوش فاصله یه ک نقطهه از نقهاط مرکهز یخوشه ها استفاده خواهد شد. الگوریتم PSO با توجه به چگالی داده ها، نقطه ای را با بیشترین چگالی به عنوان نقطه اولیه انتخاب می شهود. این نقطه با سایر نقاط درون خوشه فاصله مناسبی دارد که می تواند با به روز رسانی مرکز خوشه در نقطه میانی بهینه قرار گیرد. همچنین در روش پیشنهادی به منظور سنجش فاصله یک نقطه از نقاط مرکزی خوشه ها از قدرت گرانشی نقطه مرکزی استفاده خواهد شد. هر نقطه در فضای جست و دارای قدرت گرانشی نسبت به سایر نقاط است که بر اساس این قدرت گرانشی می تواند نقاط را به خود جذب کند. نقاط مرکزی خوشه ها نیز دارای قدرت گرانشی هستند که نقاط نزدیک به خود بر اساس معیارهای شباهت را به سمت خود جذب می کنند. در واقع نقطه موجود در فضای جست و بر اساس فاصله خود تا نقاط مرکزی، به نقطه ای که قدرت گرانشی بیشتری دارد جذب می شود. این قدرت گرانشه ی براسهاس شهباهت نقهاط از ل ها معیارهای شهباهتمشخص می شود. نقاط مرکزی با جذب نقاط مشابه در فضای جستوو، خوشه ها را تشکیل می دهند و بر این اساس می توان به ساخت چندین خوشه بر اساس ویژگی های نقاط مرکزی اقدام نمود.