خوشه بندي تركيبي داده مسير با استفاده از روش Fuzzy K-Medoids و الگوريتم انبوه ذرات

رشد فزاينده ي تكنولوژي هاي جمع آوري اطلاعات و امكان دسترسي به حجم عظيمي از داده نيازمند روش-هايي براي تجزيه و تحليل و استخراج اطلاعات مفيد از آن مي باشد. چگونگي استخراج اطلاعات مفيد از ميان اين حجم عظيم داده همواره يكي از سوالات اساسي در علوم كامپيوتر بوده و داده كاوي يكي از مهم-ترين روش هاي موجود است. كه در اين بين خوشه بندي داده نيز از پركاربردترين زمينه هاي داده كاوي محسوب مي شود. در سال هاي اخير مسئله ي خوشه بندي مسير اشياء متحرك به دليل كاربردهاي مختلف شهرت بسياري پيدا كرده و الگوريتم هاي بسياري در اين زمينه پيشنهاد داده شده است. از آنجا كه الگوريتم هاي خوشه بندي كلاسيك موجود هنگام مواجه شدن با داده هاي پيچيده مانند مسير در بهينه ي محلي گرفتار شده و جواب قابل قبولي بدست نمي دهند، همواره استفاده از روش هاي نوين يكي از چالش-هاي موجود در مبحث داده كاوي بوده است. در اين تحقيق يك روش جديد خوشه بندي مختص داده ي مسير و با هدف جبران نقاط ضعف الگوريتم خوشه بندي كلاسيك پركاربرد Fuzzy K-Medoids پيشنهاد داده شد. از آنجا كه امروزه الگوريتم هاي مبتني بر هوش جمعي در حوزه ي داده كاوي و خوشه بندي مورد توجه زيادي قرار گرفته و نتايج حاصل به خوبي توانايي اين روش ها را در حل مسئله ي خوشه بندي نشان داده است، در اين تحقيق از الگوريتم مبتني بر هوش جمعي انبوه ذرات به منظور تركيب با الگوريتم خوشه بندي Fuzzy K-Medoids و با استفاده از تابع فاصله اقليدسي استفاده شد. روش پيشنهادي بر روي مجموعه داده حركت خودروهاي يك پاركينگ پياده سازي شد و پس از مقايسه با روش خوشه بندي Fuzzy K-Medoids كارايي آن به اثبات رسيد.