روشی جدید برای خوشه بندی داده های فضایی زمانی
سال انتشار: 1394
نوع سند: مقاله کنفرانسی
زبان: فارسی
مشاهده: 640
فایل این مقاله در 13 صفحه با فرمت PDF قابل دریافت می باشد
- صدور گواهی نمایه سازی
- من نویسنده این مقاله هستم
استخراج به نرم افزارهای پژوهشی:
شناسه ملی سند علمی:
ITCC02_358
تاریخ نمایه سازی: 21 شهریور 1395
چکیده مقاله:
تحلیل داده های خط سیر اشیاء متحرک و استخراج الگوهای حرکتی آنها با استفاده از روش های داده کاوی، در سال های اخیر مورد توجه محققان قرار گرفته است. در بسیاری از برنامه های مدیریت اشیاء متحرک، تحلیل خوشه بندی داده ها، به یکی از نیازهای اساسی تبدیل شده است. خوشه بندی یکی از مهمترین روش های تحلیل است که داده های مشابه را برای تهیه خلاصه ای از الگوهای توزیع داده در یک مجموعه داده، گروه بندی می کند. در این مقاله پس از بررسی الگوریتم های موجود برای خوشه بندی خط سیرها در فضایی که اشیاء متحرک آزادی حرکت دارند، یکی از شاخص ترین الگوریتم ها در این زمینه با نام Traclus انتخاب شد. این الگوریتم مبتنی بر چارچوب پارتیشن و گروه بندی است. در این الگوریتم برای خوشه بندی زیرخط سیرها تنها طول و عرض جغرافیایی نقاط خط سیرها مدنظر قرار داده می شود. بنابراین اینالگوریتم تنها می تواند نقاط پرتراکم را شناسایی کندمستقل از اینکه آن مناطق در چه زمان هایی پرتراکم بوده اند. این در حالیست که در بسیاری از کاربردها نیاز است مشخص شود چه مناطقی در چه زمان هایی پرتراکم بوده اند. از این رو با درنظر گرفتن ویزگی زمان نقاط خط سیرها، این الگوریتم را توسعه داده و الگوریتم خود را با نام T-Traclus ارائه کرده ایم. مزیت این روش نسبت به روش موجود قابلیت تشخیص مناطق پرتراکم در زمان های مشابه است.
کلیدواژه ها:
نویسندگان
حسن نادری
استادیار گروه نرم افزار دانشکده کامپیوتر، دانشگاه علم و صنعت ایران
آناهیتا قلمی
کارشناس ارشد کامپیوتر- نرم افزار، دانشگاه علم و صنعت ایران
مراجع و منابع این مقاله:
لیست زیر مراجع و منابع استفاده شده در این مقاله را نمایش می دهد. این مراجع به صورت کاملا ماشینی و بر اساس هوش مصنوعی استخراج شده اند و لذا ممکن است دارای اشکالاتی باشند که به مرور زمان دقت استخراج این محتوا افزایش می یابد. مراجعی که مقالات مربوط به آنها در سیویلیکا نمایه شده و پیدا شده اند، به خود مقاله لینک شده اند :