فوزیه اصغری پایین رودپشتی - گروه کامپیوتر واحد ساری دانشگاه آزاد اسلامی ساری ایران
صابر نوریان کفشگری - گروه برق واحد ساری دانشگاه آزاد اسلامی ایران
محمد یوسف نژاد - گروه کامپیوتر دانشگاه هوا و فضای نانجینگ چین

خوشه بندی نیمه نظارتی ترکیبی مبتنی بر انتخاب بعنوان روشی توسعه یافته از خوشه بندی کلاسیک است که هدف آن ترکیب تعدادی از نتایج بدست آمده ا زالگوریم خوشه بندی مختلف یا اجراهای مختلف از الگوریتمهای خوشه بندی یکسان بر روی مجموعه داده های مشابه با استفاده از یک تابع توافقی می باشد که سبب بهبود کیفیت و استحکام خوشه بندی خواهد شد. این مقاله یک روشی جدید با استفاده از نظریه خردجمعی برای ارزیابی و انتخاب پارتیشنهای اولیه خوشه بندی نیمه نظارتی پیشنهاد می کند. در این مقاله برای کاهش ابعاد داده ها براساس اطلاعات نظارت شده یک الگوریتم خوشه بندی جدید نیمه نظاررتی براساس الگوریتم K-means برای تولید نتایج اولیه معرفی و یک استراتژی جدید برای ارزیابی وانخاب نتایج اولیه براساس مکانیزم بازخورد یک متریک چدید برای ارزیابی تنوع نتایج اولیه ویک مکانیسم جدید برای تخمین مقادیر استانه تنوع ارائه می دهد.

خوشه بندی ترکیبی نیمه نظارتی؛ خرد جمعی Constraint Projection ، Pairwise constraint