بررسی روش های خوشه بندی داده های جهت دار

یکی از روشهای مطرح در تحلیل داده های جهت دار، تحلیل خوشه ای است. با استفاده از تحلیل خوشه ای داده های جهتدار میتوان با رویکرد یادگیری ماشین مدیران و تصمیم گیران را درباره برخی از رویدادهای زمین شناسی، زیست شناسی، جغرافیا و ... یاری کرد. روش خوشهبندی فازی یکی از الگوریتمهای معروف برای خوشه بندی است. در روشهای FCM تعلق درجه عضویت در مجموعه دادههای پراکنده و شلوغ به درستی صورت نمیگیرد و باعث وجود مینیمم های محلی میشود. بنابراین، برای یافتن مراکز خوشه بهینه و جلوگیری از مشکل بهینهسازی محلی در تحلیل خوشهای داده های جهت دار روشهای مختلفی با الگوریتم FCM و روشهای ترکیبی مختلف پیشنهاد شدند. در روش FCM4DD از تفاوت زاویهای به عنوان اندازهگیری شباهت استفاده میکند و همچنین میتوان برای دادههای N بعدی به عنوان دادههای مدور نیز استفاده شود. در این مقاله، سه روش FCM وFCM4DD و FCM4DDPSO باهم مقایسه خواهند شد. نتایج مقایسه با مجموعه داده جهت باد شش ماهه اول سالهای 1951 الی 2014 میلادی کلانشهر تبریز میباشد که از مرکز هواشناسی ایران اخذ گردیده است ارزیابی شده است. با قراردادن تحلیل خوشه ای جهت باد در کنار سایر یافتهها مانند سرعت باد و ... اطلاعات ارزشمندی در زمینه های هواشناسی به دست خواهد آمد. مهمترین چالش این روشها چگونگی انتخاب مرکز خوشه اولیه در مجموعه دادهها با ویژگیهای زیاد است. در تحقیقات آینده میتوان از ترکیب FCM با الگوریتم ازدحام ذرات و روشهای خوشهبندی پویا استفاده نمود.

کلیدواژه ها:

داده های جهت دار ، خوشه بندی ، خوشه بندی فازی ، بهینه سازی