خوشه بندی ترکیبی داده مسیر با استفاده از روش Fuzzy K-Medoids و الگوریتم انبوه ذرات
- سال انتشار: 1397
- محل انتشار: بیست و پنجمین همایش و نمایشگاه ملی ژئوماتیک و سومین کنفرانس مهندسی فناوری اطلاعات مکان
- کد COI اختصاصی: NCEGIT03_113
- زبان مقاله: فارسی
- تعداد مشاهده: 651
نویسندگان
کارشناسی ارشد مهندسی عمران_سیستمهای اطلاعات جغرافیایی، گروه مهندسی نقشه برداری، واحد رامسر، دانشگاه آزاد اسلامی، رامسر،ایران.
استادیار، گروه مهندسی نقشه برداری، واحد رامسر، دانشگاه آزاد اسلامی، رامسر، ایران.
دانشجوی دکترای سیستم های اطلاعات مکانی، دانشگاه صنعتی خواجه نصیر الدین طوسی، تهران، ایران.
دانشجوی دکترای مهندسی عمران-مهندسی و مدیریت ساخت، واحدبین المللی علوم و تحقیقات، قشم، ایران.
چکیده
رشد فزاینده ی تکنولوژیهای جمع آوری اطلاعات و امکان دسترسی به حجم عظیمی از داده نیازمند روشهایی برای تجزیه و تحلیل و استخراج اطلاعات مفید از آن میباشد. چگونگی استخراج اطلاعات مفید از میان این حجم عظیم داده همواره یکی از سوالات اساسی در علوم کامپیوتر بوده و دادهکاوی یکی از مهمترین روشهای موجود است. که در این بین خوشه بندی داده نیز از پرکاربردترین زمینه های داده کاوی محسوب میشود. در سالهای اخیر مسئله ی خوشه بندی مسیر اشیاء متحرک به دلیل کاربردهای مختلف شهرت بسیاری پیدا کرده و الگوریتمهای بسیاری در این زمینه پیشنهاد داده شده است. از آنجا که الگوریتمهای خوشه بندی کلاسیک موجود هنگام مواجه شدن با داده های پیچیده مانند مسیر در بهینه ی محلی گرفتار شده و جواب قابل قبولی بدست نمیدهند، همواره استفاده از روشهای نوین یکی از چالشهای موجود در مبحث دادهکاوی بوده است. در این تحقیق یک روش جدید خوشه بندی مختص دادهی مسیر و با هدف جبران نقاط ضعف الگوریتم خوشه بندی کلاسیک پرکاربرد Fuzzy K-Medoids پیشنهاد داده شد. از آنجا که امروزه الگوریتمهای مبتنی بر هوش جمعی در حوزه ی داده کاوی و خوشهبندی مورد توجه زیادی قرار گرفته و نتایج حاصل به خوبی توانایی این روشها را در حل مسئله ی خوشه بندی نشان داده است، در این تحقیق از الگوریتم مبتنی بر هوش جمعی انبوه ذرات به منظور ترکیب با الگوریتم خوشه بندی Fuzzy K-Medoids و با استفاده از تابع فاصله اقلیدسی استفاده شد. روش پیشنهادی بر روی مجموعه داده حرکت خودروهای یک پارکینگ پیاده سازی شد و پس از مقایسه با روش خوشه بندی Fuzzy K-Medoids کارایی آن به اثبات رسید.کلیدواژه ها
داده کاوی، خوشه بندی Fuzzy K-Medoids، ،الگوریتم انبوه ذرات، داده های مسیر.مقالات مرتبط جدید
اطلاعات بیشتر در مورد COI
COI مخفف عبارت CIVILICA Object Identifier به معنی شناسه سیویلیکا برای اسناد است. COI کدی است که مطابق محل انتشار، به مقالات کنفرانسها و ژورنالهای داخل کشور به هنگام نمایه سازی بر روی پایگاه استنادی سیویلیکا اختصاص می یابد.
کد COI به مفهوم کد ملی اسناد نمایه شده در سیویلیکا است و کدی یکتا و ثابت است و به همین دلیل همواره قابلیت استناد و پیگیری دارد.