ارزيابي كارايي شبكه عصبي گازي بافتي در خوشه‌بندي داده‌هاي بلوك‌هاي آماري شهر اصفهان مبتني بر متغيرهاي توسعه پايدار شهري

خوشه‌بندي داده‌هاي بزرگ، ساختارها را آشكار و گروه‌بندي‌ها را شناسايي مي‌كند و هدف اصلي آن تفكيك داده‌ها در خوشه‌هايي با ويژگي‌هاي مشابه است. شبكه‌هاي عصبي مصنوعي ابزاري استاندارد براي خوشه‌بندي داده‌هاي بزرگ و چندبعدي هستند. هدف اين تحقيق، خوشه‌بندي داده‌هاي بلوك‌هاي آماري شامل 21 متغير اجتماعي-اقتصادي و دسترسي به خدمات مرتبط با رويكرد توسعه پايدار شهري با شبكه عصبي گازي بدون استفاده از پارامترهاي مكاني و همچنين با به‌كارگيري مركز هندسي بلوك‌هاي آماري به‌عنوان پارامتر مكاني در روند خوشه‌بندي و مقايسه نتايج حاصل مي‌باشد. الگوريتم شبكه عصبي گازي (NG) متداول‌ترين شبكه براي خوشه‌بندي داده‌هاي با ابعاد بالا و شبكه عصبي گازي بافتي (CNG) مكاني شده اين الگوريتم است. در اين مطالعه بلوك‌هاي آماري شهر اصفهان با آموزش اين دو الگوريتم بر اساس متغيرهاي منتخب خوشه‌بندي شدند. نتايج بيانگر وجود تفاوت قابل‌توجه در خوشه‌هاي حاصل از اجراي اين دو الگوريتم است. خوشه‌بندي با استفاده از الگوريتم NG، منتج به خوشه‌هاي ناهمگن مي‌شود و بالعكس اجراي الگوريتم CNG به دليل استفاده از پارامترهاي مكاني منجر به توليد خوشه‌هاي همگن مي‌گردد. در اين پژوهش ارزيابي كيفيت خوشه‌بندي با محاسبه متوسط ضريب سيلهوته براي بلوك‌هاي آماري انجام شد كه الگوريتم CNG با متوسط ضريب سيلهونه برابر 29/ 0 عملكرد بهتري نسبت به الگوريتم NG با متوسط ضريب سيلهوته 0/02- دارد. اين نتايج بيانگر تأثير مثبت پارامترهاي مكاني در ايجاد خوشه‌هاي همگن در محيط شهري است. خوشه‌بندي بلوك‌هاي آماري شهري با به‌كارگيري متغيرهاي مرتبط با توسعه پايدار و رويكرد مكان‌مبنا با استفاده از الگوريتم CNG ازجمله نوآوري‌هاي اين تحقيق به شمار مي‌رود