تشخيص همسايگي نقاط داده با مماس خارجي دايره هاي آپولونيوسي

با توجه به اينكه نياز به يافتن همسايگي و ارتباط بين نقاط براي حوزه‌هاي خوشه‌بندي و دسته‌بندي داده ها غيرقابل‌انكار است، بنابراين رويكردي نوين براي يافتن همسايگي بين نقاط (داده ها) ، مسئله‌اي چالش‌برانگيز است. يافتن همسايگي داده ها در داده هاي عظيم و داده كاوي به‌صورت كلي بايد منجر به دسته‌بندي دقيق داده بر روي انواع پايگاه داده ها گردد. براي اين منظور، نوعي همسايگي كاربردي بايد در تحليل و گروه‌بندي داده هاي مشابه مشخص گردد. اساس بيشتر الگوريتم‌هاي ارائه‌شده در اين زمينه بر الگوريتم‌هاي يافتن همسايگي نقاط (داده ها)، روش‌هاي تحليل فاصله و مدل‌هاي آماري استوار است. مدل‌هايي كه تاكنون ارائه‌شده‌اند قابليت تحليل هم‌زمان و بررسي دقيق مكان‌هاي هندسي داده ها و ارتباطات هندسي بين آن‌ها را ندارند و همچنين بيشتر مدل‌هاي مطرح‌شده به تنظيم پارامترهايي همچون تعداد همسايگي و ناحيه‌ي همسايگي وابسته هستند. نيازمندي به تحليل ارتباطات داده ها و تأثير آن‌ها در دقت يافتن همسايگي نقاط با محاسبات قابل‌قبول غيرقابل‌انكار است. تمركز روش پيشنهادي بر روي ارائه‌ي مدل هندسي كاربردي و بررسي اتصالات براي اولين بار با الگوي دايره‌ي آپولونيوسي در تحليل هندسي الگوهاي همسايگي است. هدف يافتن همسايگي دقيق بر اساس دايره‌ي آپولونيوسي و ارائه‌ي روشي نوين براي يافتن ارتباطات بين داده ها است كه مي‌توانند وضعيت همسايگي نقاط داده‌ها در حوزه‌هاي مورد ذكر را مشخص كنند. در مرحله‌ي نخست داده‌ها در يك صفحه‌ي اقليدسي ذخيره مي‌شوند، سپس با اعمال روش يافتن همسايگي نقاط بر اساس دايره‌ي آپولونيوسي الگوهاي همسايگي و ارتباطات بين آن‌ها استخراج مي‌گردد.