امجد عثمانی - گروه مهندسی برق، کامپیوتر و فناوری اطلاعات، دانشگاه آزاد اسلامی واحد ارومیه- ارومیه- ایران
جمشید باقرزاده - گروه مهندسی برق، کامپیوتر و فناوری اطلاعات-دانشگاه ارومیه- ارومیه- ایران

تا به حال، تعداد بسیاری روش کلاسترینگ ارائه شده است. تعدادی از این روش ها برای بهبود تکنیک k-means روی انتخاب مراکز کلاسترها جهت کم کردن خطای کلاسترینگ تمرکز کرده اند. در این مقاله، 2 روش جدید، جهت بهبود خطای کلاسترینگ، ارائه شده است. نتایج شبیه سازی ها حاکی از این است که روشهای پیشنهادی، تکنیک k-means را بهبود بخشیده اند. روشهای پیشنهادی برای انتخاب مراکز کلاستر از ترکیب تکنیک های ژنتیک و اتوماتای یادگیر استفاده می کنند. روشهای پیشنهادی، فضای پیوسته انتخاب مراکز کلاستر را به صورت گسسته درآورده و با ترکیب الگوریتم های هوشمند به سمت انتخاب نقاط بهینه پیش می روند. دو روش پیشنهادی در نوع گسسته سازی فضای پیوسته با هم تفاوت دارند. در کل، نتایج شبیه سازی ها نشان از موثر بودن راه حل های پیشنهادی دارند.

یادگیری بدون نظارت، کلاسترینگ، خوشه بندی، الگوریتم ژنتیک، الگوریتم اتوماتای یادگیر