مشخصات پژوهش

عنوان	بهبود الگوریتم خوشه بندی C-میانگین فازی با استفاده از الگوریتم سیستم ایمنی مصنوعی
نوع پژوهش	مقاله ارائه شده
کلیدواژه‌ها	C-میانگین فازی، سیستم ایمنی مصنوعی، بهینه سازی، تئوری فازی، خوشهبندی
چکیده	خوشه بندی، فرایند تقسیم بندی مجموعه داده ی X، به C زیرمجموعه یا خوشه، براساس شباهت یا عدم شباهت آن هاست. از مهمترین مشکلات الگوریتم های خوشه بندی، حساس بودن به نقاط اولیه و گیر افتادن در نقاط بهینه محلی است. در دو دهه اخیر محققان بسیاری از الگوریتم های فرا ابتکاری برای حل این مشکلات و رسیدن به نقاط بهینه سراسری استفاده کرده اند. در این مقاله، روشی ترکیبی با استفاده از الگوریتم سیستم ایمنی مصنوعی و C-میانگین فازی برای عمل خوشه بندی داده ها ارائه شده است. در این روش بجای اینکه نقاط اولیه به صورت تصادفی از میان مجموعه ی داده انتخاب شوند، از بهترین نقاط پیدا شده توسط الگوریتم سیستم ایمنی مصنوعی انتخاب می شوند. آزمایشات نشان داده است که با انتخاب این نقاط به عنوان نقاط اولیه در الگوریتم C-میانگین فازی، الگوریتم در کمترین تعداد تکرار همگرا می شود و بهترین نتایج را به دنبال دارد. الگوریتم پیشنهادی، بر روی مجموعه داده های استاندارد آزمایش شده است. مقایسه نتایج بدست آمده با سایر روش ها، نشان می دهد الگوریتم پیشنهادی کارایی مناسبی دارد.
پژوهشگران	سعید حمدالهی اسکوئی (نفر اول)، مهدی هاشم زاده (نفر دوم)