ارزیابی روشهای افرازی در خوشه بندی خطوط سیر مکانی

باتوجه به رشد روزافزون جمعیت و در نتیجه رشد بی سابقه ی داده های مکانی-زمانی که در حوزه های مختلف از جمله اقلیم شناسی و سیستمهای نظارت بر سلامت، نیاز به داده کاوی داده های خطوط سیر روز به روز بیشتر احساس میشود. یکی از مهمترین الگوریتمهای داده کاوی، خوشه بندی است که اطلاعاتی در رابطه با میزان نزدیکی داده ها به یکدیگر در اختیار ما قرار میدهد و استفاده از یک الگوریتم خوشه بندی کارآمد برای تحلیل داده ها و مسیر آنها ضروری است. یکی از رویکردهای اصلی خوشه بندی، روش افرازی است که از میان روشهای مختلف موجود در آن، دو الگوریتم FCM و k-means پرکاربردتر هستند و در داده های نقطه ای بسیار استفاده میشود، مهمترین چالش استفاده از این الگوریتمها برای خوشه بندی داده های خط سیر استفاده آنها از معیارشباهت اقلیدسی است که نمیتواند شباهت بین خطوط سیر مختلف را به خوبی تخمین بزند. برای رفع این مشکل استفاده از معیارهای شباهتی مانند dynamic time warping (DTW) توصیه شده است. هدف این پژوهش ارزیابی و مقایسه کارایی الگوریتم های K-Means و FCM برای خوشه بندی داده های خط سیر با استفاده از DTW به عنوان معیار شباهت است. نتایج پیاده سازیهای این مطالعه نشان داد که الگوریتم K-Means در مقایسه با FCM عملکرد بهتری برای خوشه بندی داده های خط سیر داشته است.