خوشه‌بندی داده‌ها از جمله مسائل مهم حوزه داده‌کاوی و یادگیری ماشین است که کاربردهای فراوانی در علوم مختلف دارد. یکی از روش‌های خوشه‌بندی، نمایش وابستگی داده‌ها توسط گراف و استفاده از شیوه‌های افرازبندی گراف می‌باشد. خوشه‌بندی طیفی گراف یکی از مشهورترینِ این شیوه‌هاست که توجه زیادی را به خود معطوف نموده است. در روش خوشه‌بندی طیفی گراف از بردارویژه متناظر با دومین کوچکترین مقدار ویژه برای خوشه‌بندی داده‌ها استفاده می‌شود. به جای محاسبه مقادیر ویژه و بردارهای ویژه، می‌توان از الگوریتم‌های بهینه‌سازی همچون گرادیان مزدوج نیز برای پیدا کردن پاسخ مسئله استفاده نمود. شیوه‌ی گرادیان مزدوج، روشی تکراری است که از یک نقطه آغازین تصادفی حرکت نموده و به سمت جواب کمینه حرکت می‌کند. بسته به نقطه شروع اولیه، الگوریتم ممکن است یک کمینه محلی را بیابد. در این مقاله با استفاده از الگوریتم ژنتیک، نقطه شروع مناسبی برای این روش خوشه‌بندی پیدا می‌شود. نتایج آزمایشات کارایی شیوه پیشنهادی را نشان داده است.

کلمات کلیدی