ارائه ی یک خوشه بندی تکاملی جدید سازگار با روشهای مسطح، سلسله مراتبی، سخت و فازی

چكيده
امروزه خوشه¬بندی به عنوان یک روش یادگیری بدون ناظر در مسائلی نظیر استخراج داده¬ها، گروه¬بندی، تصمیم¬گیری و یادگیری ماشین کاربردهای فراوانی پیدا کرده است. خوشه¬بندی را متناسب با کاربرد آن از دو جنبه¬ی مختلف به خوشه¬بندی سخت در مقابل فازی و خوشه¬بندی سلسله¬مراتبی در مقابل مسطح تقسیم¬بندی می¬نمایند. ما در این مقاله برای اولین بار روشی را ارائه می¬دهیم که قابلیت انطباق با محیط را دارا می¬باشد. این روش طوری طراحی شده است که قابلیت اجرای هر دو خوشه¬بندی سخت و فازی را به صورت دلخواه دارا می¬باشد و خوشه¬بندی سلسله¬مراتبی را به کمک خوشه¬بندی مسطح پیاده¬سازی می¬کند و قادر است تعداد خوشه¬های مناسب را نیز به¬ دست آورد. علاوه بر این مزایا نتایج شبیه¬سازی نشان می¬دهد. این روش به طور متوسط نسبت به سایر روش¬ها 9% بهبود یافته است.
كلمات كليدي: خوشه¬بندی، ژنتیک، سخت، فازی، سلسله¬مراتبی، مسطح و تعداد خوشه.