یک روش جدید برای خوشه‌بندی داده‌های طولی با استفاده از بی-اسپلاین‌ها

خوشه‌بندی فرایندی نظارت نشده در حوزه‌ی داده‌کاوی است که به کشف و جستجوی مجموعه داده‌هایی می‌پردازد که از جهاتی مشابه هم هستند. نوع خاصی از داده‌ها که در علوم زمین بسیار پرکاربرد است داده‌های طولی هستند که در آن واحدهای متوالی زمان از واحدهای مشخص به دست می‌ایند حال آن‌که خوشه‌بندی این نوع داده‌ها همواره چالش برانگیز است زیرا گروه‌بندی باید شباهت مسیرهای واحدها را در حضور زمان های مختلف به حساب آورد. هدف این مقاله، معرفی و بررسی رویکردی جدید در خوشه‌بندی سلسله مراتبی با داده‌های طولی چند متغیره به نام cluster mld است. این روش قدرت الگوریتم خوشه‌بندی سلسله مراتبی را با توانایی مدل‌سازی تغییرات در طول زمان ترکیب نموده که برای داده‌های طولی پیچیده مناسب است. در ادامه عملکرد این روش خوشه‌بندی چندمتغیره با استفاده از داده‌های 30 استان در مدت13 سال که 6 ویژگی برای آن‌ها ثبت شده‌، ارزیابی و با روش خوشه‌بندی تک متغیره مقایسه می‌شود.