بهاره فانی - دانشگاه آزاد اسلامی واحد ساری
جواد وحیدی - دانشگاه علم و صنعت بهشهر
همایون موتمنی - دانشگاه آزاد اسلامی واحد ساری

امروزه خوشه بندی نقش مهمی در اغلب زمینه های تحقیقاتی مانند مهندسی، پزشکی ، زیست شناسی و داده کاوی ایفا می نماید. در واقع خوشه بندی به معنای تقسیم بندی بدون نظارت است که با استفاده از آن داده ها به دسته هایی که از نظر پارامترهای مورد علاقه شباهت بیشتری به یکدیگر دارند تقسیم می گردند. یکی از روش های معروف در این زمینه، الگوریتم k-means می باشد که علی رغم وابستگی به شرایط اولیه و همگرایی به نقاط بهینه محلی، تعداد n داده را به k خوشه با سرعت بالا خوشه بندی می کند. مطالعاتی که در زمینه الگوریتم Epso بر روی داده ها صورت گرفته، نشان دهنده آن است که سرعت خوشه بندی داده ها با الگوریتم مورد نظر بسیار پایین است. لذا در این مقاله، جهت رفع مشکل الگوریتم Epso از روش ترکیبی مبتنی بر الگوریتم EPSO و k-means استفاده گردیده است. الگوریتم ترکیبی مورد نظر بر روی صفحات وب اعمال شده است که نشان دهنده خوشه بندی بهتر صفحات نسبت به زمانی است که الگوریتم ها به صورت جدا بر روی صفحات اعمال می شوند.

داده کاوی، خوشه بندی، الگوریتم بهینه سازی مجموعه ذرات(pso)، الگوریتم بهینه سازی نمایی مجموعه ذرات (Epso)، تشابه کسینوسی