آتنا جلالی مجاهد - گروه مهندسی کامپیوتر، واحد مشهد، دانشگاه آزاد اسلامی، مشهد، ایران
مهرداد جلالی - گروه مهندسی کامپیوتر، واحد مشهد، دانشگاه آزاد اسلامی، مشهد، ایران
سیدمحمدحسین معطر - گروه مهندسی کامپیوتر، واحد مشهد، دانشگاه آزاد اسلامی، مشهد، ایران

خو شه بندی سری های زمانی، یکی از مهمترین مفاهیم داده کاوی ا ست، و پارتی شنبندی یک دیتا ست زمانی بدونبرچسب به چندین خوشه است، به طوریکه دنباله های شبیه به هم درخوشه های یکسان قرارگیرند. هدف ازخوشه بندی سری های زمانی، یافتن الگوهای پنهان و جستجوی شباهت ها و پیش بینی ارزش آینده داده های سری هایزمانی می با شد. داده های زمانی دارای ویژگی های متمایزی ن سبت به بقیه داده ها میبا شند که همین امر، خوشه بندیآنها را به چالش می کشد. سری های زمانی، رشته های طولانی از اعداد هستند و بین مقادیر متوالی آن وابستگی زمانیوجود دارد. الگوریتم های ارائه شده برای خو شه بندی سری های زمانی از نظر نحوه برخورد با داده ها به سه د ستهمختلف تق سیم می شوند. الگوریتم های مبتنی بر داده های خام، الگوریتم های مبتنی بر ویژگی های ا ستخراج شده ازداده های خام و الگوریتم های مبتنی بر مدل های ساخته شده از داده های خام. در این مقاله، به بررسی کارهای قبلی کهدر هر یک از سه حوزه فوق انجام شده است، می پردازیم.

خوشه بندی، سری های زمانی، داده کاوی