خوشه بندی داده های شیمیایی مبتنی بر خوشه بندی فازی و نزدیکترین همسایه

خوشه بندی به معنای یافتن داده های دارای ویژگی های نظیرهم، در خوشه های مجزا بوده و کاربرد فراوان در علوم و صنایع مختلف دارد همچنین خوشه بندی به عمل تقسیم جمعیت ناهمگن به تعدادی از زیر مجموعه ها یا خوشه های همگن گفته می شود. از دیدگاه داده کاوی تشخیص داده های شیمیایی جزء مسائل دسته بندی داده ها محسوب می شود. با کشف کاراترین الگوریتم ها برای دسته بندی و سپس تلاش برای افزایش کارایی و میزان درستی اطلاعات شیمیایی با توجه به عوامل دخیل از جمله انتخاب زیرمجموعه صفات مناسب و نوع داده مورد استفاده، می توان به سمت ایجاد سیستم های مکانیزه با قابلیت اعتماد بالا با توانایی کشف الگوهای پیچیده و پیشبینی روندهای آینده برای مواجهه با مشکلات خوشه بندی اطلاعات شیمیایی گام برداشت. روش k-means یکی از روش های خوشه بندی داده ها در داده کاوی است. این روش علی‌رغم سادگی آن یک روش پایه برای بسیاری از روش‌های خوشه‌بندی دیگر (مانند خوشه‌بندی فازی) محسوب می‌شود. روش پیشنهادی در هر راند تمام گره ها پارامترهای انرژی و مرکزیت را به ماژول فازی موجود درخود ارسال می کند سپس بر اساس خروجی ماژول فازی هر گره ، تایمری برای گره ها فعال می شود و شروع به شمارش معکوس از مقدار بدست آمده از ماژول فازی می کند و گره ای که در هر منطقه قابلیت بهتری داشته باشد تایمر آن زودتر به صفر می رسد. این روش به بهینه شدن پردازش ها کمک کرده و نتیجه بهتری را نسبت به روش های دیگر ارائه می دهد.