ارزیابی روش های افرازی در خوشه بندی خطوط سیر مکانی

باتوجه به رشد روزافزون جمعیت و در نتیجه رشد بی سابقه ی داده‌های مکانی-زمانی که در حوزه‌های مختلف از جمله اقلیم شناسی و سیستم‌های نظارت بر سلامت، نیاز به داده کاوی داده های خطوط سیر روز به روز بیشتر احساس می شود. یکی از مهم ترین الگوریتم های داده کاوی، خوشه بندی است که اطلاعاتی در رابطه با میزان نزدیکی داده ها به یکدیگر در اختیار ما قرار می دهد و استفاده از یک الگوریتم خوشه بندی کارآمد برای تحلیل داده ها و مسیر آن ها 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 می شود، مهمترین چالش استفاده از این الگوریتم‌ها برای خوشه‌بندی داده‌های 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 الگوریتم‌های k-means و fcm برای خوشه‌بندی داده‌های خط سیر با استفاده از dtw به عنوان معیار شباهت است. نتایج پیاده‌سازی‌های این مطالعه نشان داد که الگوریتم k-means در مقایسه با fcm عملکرد بهتری برای خوشه‌بندی داده‌های خط سیر داشته است.