@ARTICLE{Chaghari, author = {Chaghari, Arash and Feizi-Derakhshi, Mohammad-Reza and }, title = {Automatic Clustering Using Improved Imperialist Competitive Algorithm}, volume = {14}, number = {2}, abstract ={الگوریتم رقابت استعماری (ICA)، یکی از کاراترین الگوریتم‌های فرا‌ابتکاری برای پیدا‌کردن جواب بهینه سراسری در مسائل بهینه‌سازی است. در این مقاله از الگوریتم رقابت استعماری برای خوشه‌بندی خودکار مجموعه داده‌های بزرگ و واقعی بدون برچسب استفاده شده است. با بهره‌گیری از ساختار مناسب برای هر یک از کروموزم‌ها و استفاده از الگوریتم رقابت استعماری، در زمان اجرا تعداد بهینه خوشه‌ها هم‌زمان با خوشه‌بندی بهینه داده‌ها به‌دست می‌آید. همچنین برای افزایش دقت و افزایش سرعت هم‌گرایی، ساختار الگوریتم رقابت استعماری با تغییراتی همراه است. روش پیشنهادی (ACICA) نیاز به هیچ‌گونه دانش قبلی برای خوشه‌بندی داده‌ها ندارد. علاوه‌بر آن روش پیشنهادی در مقایسه با سایر روش‌های خوشه‌بندی مبتنی بر الگوریتم‌های تکاملی، دقت بیشتری را دارد. از معیارهای ارزیابی خوشه‌بندی DB و CS به‌عنوان تابع هدف استفاده شده است. برای نشان‌دادن برتری روش پیشنهادی، میانگین مقدار بهینه تابع هدف و تعداد خوشه­های تعیین‌شده توسط روش پیشنهادی با سه الگوریتم خوشه­بندی خودکار مبتنی بر الگوریتم­های تکاملی مقایسه می‌شود. }, URL = {http://jsdp.rcisp.ac.ir/article-1-453-fa.html}, eprint = {http://jsdp.rcisp.ac.ir/article-1-453-fa.pdf}, journal = {Signal and Data Processing}, doi = {10.18869/acadpub.jsdp.14.2.159}, year = {2017} }