چارچوبي براي خوشه بندي مبتني بر چگالي محلي داده هاي مسير اشياء متحرك

با رشد چشم گير فناوري هاي مكان يابي و ارتباطي، كاربردهاي مختلف با حجم روز افزون از داده هاي اشياء متحرك روبه ور هستند. اين داده ها علاوه بر حجم بالا حاوي اطلاعات ارزشمندي هستند. بنابراين در تحليل آنها نياز به روش هاي داده كاوي است. به اين ترتيب بحث داده كاوي اشياء متحرك مطرح مي شود. حركت شيئ متحرك معمولا با مسير حركتآن نمايش داده مي شود. مسير دنباله اي از نقاط مكاني است كه شيئ متحرك از آنها عبور مي كند. در بين روش هاي متدوال داده كاوي، خوشه بندي روشي پركاربرد است كه در داده كاوي اشياء متحرك هم مورد توجه است. در اين مقاله چارچوبي براي خوشه بندي مسيرهاي اشياء متحرك ارائه مي شود كه شامل سه فاز است: تخمين مسيرها، كاهش قطعه هاي مسيرها، خوشه بندي. در فاز اول با استفاده از يك روش تخمين منحني مسيرهاي ساده تر مي شوند و هر مسير به تعدادي قطعه مسير تبديل مي شود. براي كاهش فاز كاهش، روشي براي ايجاد مجموعه اي كوچك تر از قطعه مسيرها ارائه مي شود. هدف از اين فاز افزايش كارايي الگوريتم خوشه بندي ارائه مي شود. در فاز خوشه بندي قطعه مسيرها با استفاده از تابع فاصله اي كه ارائه مي شود و بر اساس يك الگوريتم خوشه بندي مبتني بر چگالي محلي گروه بندي مي شوند. ارزيابي تجربي چارچوب پيشنهادي، آن را به خوبي تاييد مي كند