به منظور یافتن روشی برای تشخیص بیماری های قلبی خوشه بندی صحیح سیگنال های الکتروکاردیوگرام امری حیاتی است. تمرکز اصلی این پایان نامه بر ارائه ی الگوریتمی با دقت بالا برای یافتن راه حلی برای خوشه بندی کمپلکس های سیگنال الکتروکاردیوگرام (ecg) هولتر است. در این پژوهش علاوه بر پایگاه داده mitbih از پایگاه داده ایجاد شده توسط گروه قلب دانشگاه خواجه نصیر نیز استفاده شده است. در مرحله اول، با استفاده از کارهای انجام شده قبلی، رخدادهای هر سیگنال ecg تشخیص داده شده و یک فضای 18 بعدی از اجزاء qrs ایجاد شده است. این فضای ویژگی 18 بعدی شامل طول قوس و فاصله بین دو قله متوالی (r-r interval) در هر کمپلکس qrs می باشد. در مرحله بعد خوشه بندی سیگنال های الکتروکاردیوگرام با استفاده از مدلسازی ریاضی مسئله خوشه بندی انجام گرفته است. این مدلسازی بر اساس تعریف تابع هزینه ای انجام شده که بیانگر نسبت فاصله درون خوشه ای (dbc) به فاصله ی بین خوشه ای (dwc) است. مینیمم سازی تابع هزینه مذکور گام نهایی حل مسئله خوشه بندی است که با اعمال الگوریتمهای نوین بهینه سازی از جملهsimulated annealing(sa) ، genetic algorithm(ga) و imperialistic competitative algorithm(ica) صورت گرفته است. برای مقایسه عملکرد این الگوریتم چندین روش خوشه بندی به پایگاه داده ها اعمال شده است که نتیجه آن نمایش بهبود دقت خوشه بندی انجام شده توسط مدلسازی ریاضی می باشد. لازم به ذکر است، بالاترین دقت خوشه بندی با اعمال الگوریتم بهینه سازی ica به مدل ریاضی به دست آمده است. در انتها با توجه به اهمیت تشخیص تعداد خوشه ها در پایگاه داده ها، به بررسی راه حلی برای این موضوع پرداخته شده است. بدین منظور چندین معیار خوشه بندی معرفی شده و با تحلیل تغییرات این معیارها با افزایش تعداد خوشه ها به یافتن تعداد مناسب خوشه ها در پایگاه های داده ای پرداخته شده است. کلمات کلیدی: خوشه بندی سیگنال الکتروکاردیوگرام، مدلسازی ریاضی خوشه بندی، الگوریتم ica، الگوریتم ژنتیک، الگوریتم شبیه سازی تبرید