یک روش ترکیبی کارا برای مسائل خوشه بندی براساس الگوریتم ژنتیک گروه بند وK-mean

خوشه بندی یکی از مهمترین روش های یادگیری بدون ناظر در زمینه داده کاوی وشامل گروه بندی داده ها به گروههای گسسته از خوشه ها می باشد . در این مقاله از ایده ای جدید که با ترکیب دو الگوریتمk-mean و الگوریتم ژنتیک دسته بند به دست آمده استفاده می گردد . الگوریتمk-meanیکی از مشهورترین و رایج ترین الگوریتم های خوشه بندی است و الگوریتم ژنتیک دسته بند، الگوریتم جدیدی است که از الگوریتم ژنتیک سنتی مخصوص مسائل گروه بندی برگرفته شده ، با تف اوتهای عمده ای که برای برطرف کردن عیوب الگوریتم ژنتیک سنتی برای مسائل گروه بندی، به آن اضافه گردیده است . از جمله اینکه این الگوریتم برایاولین بار کروموزوم متفاوتی که از دو قسمت تشکیل گردیده و دارای طول متغیری است را ارائه مینماید. این نحوه پیاده سازی باعث می شود که دیگر نیازی برای بیان تعداد خوشه به عنوان پارامتر ورودی الگوریتم نداشته باشیم وعلاوه برآن، با توجه به مشکلات عملگرهای الگوریتم ژنتیک سنتی برای مسائل گروه بندی، این عملگرها را اصلاح می نماید.