طبیه گشول دره سیبی - دانشگاه خوارزمی(تربیت معلم تهران)
رویا امجدی فرد - دانشگاه خوارزمی(تربیت معلم تهران)
میرمحسن پدرام - دانشگاه خوارزمی(تربیت معلم تهران)

با رشد چشم گیر فناوری های مکان یابی و ارتباطی، کاربردهای مختلف با حجم روز افزون از داده های اشیاء متحرک روبه ور هستند. این داده ها علاوه بر حجم بالا حاوی اطلاعات ارزشمندی هستند. بنابراین در تحلیل آنها نیاز به روش های داده کاوی است. به این ترتیب بحث داده کاوی اشیاء متحرک مطرح می شود. حرکت شیئ متحرک معمولا با مسیر حرکتآن نمایش داده می شود. مسیر دنباله ای از نقاط مکانی است که شیئ متحرک از آنها عبور می کند. در بین روش های متدوال داده کاوی، خوشه بندی روشی پرکاربرد است که در داده کاوی اشیاء متحرک هم مورد توجه است. در این مقاله چارچوبی برای خوشه بندی مسیرهای اشیاء متحرک ارائه می شود که شامل سه فاز است: تخمین مسیرها، کاهش قطعه های مسیرها، خوشه بندی. در فاز اول با استفاده از یک روش تخمین منحنی مسیرهای ساده تر می شوند و هر مسیر به تعدادی قطعه مسیر تبدیل می شود. برای کاهش فاز کاهش، روشی برای ایجاد مجموعه ای کوچک تر از قطعه مسیرها ارائه می شود. هدف از این فاز افزایش کارایی الگوریتم خوشه بندی ارائه می شود. در فاز خوشه بندی قطعه مسیرها با استفاده از تابع فاصله ای که ارائه می شود و بر اساس یک الگوریتم خوشه بندی مبتنی بر چگالی محلی گروه بندی می شوند. ارزیابی تجربی چارچوب پیشنهادی، آن را به خوبی تایید می کند

مسیرها، تخمین مسیرها، فاصله قطعه مسیرها، کاهش داده ها