خوشه بندی دادههای شیمیایی مبتنی بر خوشه بندی فازی و نزدیکترین همسایه

خوشه بندی به معنای یافتن دادههای دارای ویژگی های نظیرهم ، در خوشه های مجزا بوده و کاربرد فراوان در علوم و صنا یع مختلف دارد همچنین خوشه بندی به عمل تقسیم جمعیت ناهمگن به تعدادی از زیر مجموعه ها یا خوشه های همگن گفته می شود. از دیدگاه دادهکاوی تشخیص دادههای شیمیایی جزء مسائل دسته بندی دادهها محسوب می شود. با کشف کاراترین الگوریتم ها برای دسته بندی و سپس تلاش برای افزایش کارایی و میزان درستی اطلاعات شیمیایی با توجه به عوامل دخیل از جمله انتخاب زیرمجموعه صفات مناسب و نوع داده مورد استفاده، می توان به سمت ایجاد سیستم های مکانیزه با قابلیت اعتماد بالا با توانایی کشف الگوهای پیچیده و پیشبینی روندهای آینده برای مواجهه با مشکلات خوشه بندی اطلاعات شیمیایی گام برداشت . روش K-Means یکی از روشهای خوشه بندی دادهها در دادهکاو ی است . این روش علی رغم سادگ ی آن یک روش پایه برای بسیاری از روشهای خوشه بندی دیگر (مانند خوشه بندی فازی ) محسوب می شود. روش پیشنهادی در هر راند تمام گره ها پارامترهای انرژی و مرکزیت را به ماژول فازی موجود درخود ارسال می کند سپس بر اساس خروجی ماژول فازی هر گره ، تایمری برای گره ها فعال می شود و شروع به شمارش معکوس از مقدار بدست آمده از ماژول فازی می کند و گرهای که در هر منطقه قابلیت بهتری داشته باشد تایمر آن زودتر به صفر می رسد. این روش به بهینه شدن پردازشها کمک کرده و نتیجه بهتری را نسبت به روشهای دیگر ارائه می دهد .