خوشه‌بندی یکی از عناصر اصلی سازنده در بینایی رایانه و یادگیری ماشین است. چالش اصلی، یافتن راهی مناسب برای پیدا‌کردن زیر‌مجموعه‌ای از نمونه‌‌های شاخص و ساختارهای خوشه‌ای مرتبط با آنها، با درنظر‌گرفتن یک معیار فاصله دوبه‌دو، است. در این مقاله شیوه‌ای جدید برای خوشه‌بندی پیشنهاد می‌شود که به‌صورت تکرار‌شونده، عناصر کلیدی یک مجموعه داده‌ای را بر پایه یک تابع هدف مناسب، پیدا می کند. آزمایش‌های تجربی متعدد بیان‌گر برتری روش پیشنهاد‌شده نسبت به روش‌های موجود، هم از نظر بهینگی و هم از نظر مؤثر‌بودن، است. علاوه‌بر‌این، روش پیشنهادی برای خوشه‌بندی داده‌های با مقیاس بالا توسعه داده می‌شود؛ به‌صورتی‌که میلیون‌ها داده را در چند ثانیه می‌توان پردازش کرد.

کلمات کلیدی