[صفحه اصلی ]   [Archive] [ English ]  
:: صفحه اصلي :: درباره نشريه :: آخرين شماره :: تمام شماره‌ها :: جستجو :: ثبت نام :: ارسال مقاله :: تماس با ما ::
:: دوره 10، شماره 2 - ( 9-1399 ) ::
دوره 10 شماره 2 صفحات 23-37 برگشت به فهرست نسخه ها
ارائه ی یک روش خوشه بندی توافقی سری های زمانی بر اساس روش Fuzzy C-Means و الگوریتم انبوه ذرات
زاهده ایزکیان*، محمد سعدی مسگری
چکیده:   (724 مشاهده)
در سال­های اخیر با پیشرفت فناوری­های جمع آوری اطلاعات و فراهم شدن حجم عظیمی از داده­های پیچیده همچون سری­های زمانی نیاز به روش­هایی مناسب به منظور تجزیه و تحلیل این نوع داده بیش از پیش احساس می­شود. از میان روش­های مختلف داده­کاوی موجود تکنیک خوشه­بندی داده­ها با هدف ساده سازی مجموعه داده­های بزرگ و استخراج اطلاعات مفید توجه بسیاری از محققین علوم کامپیوتر را به خود جلب کرده است. مسئله­ی انتخاب تابع فاصله یکی از مهم­ترین چالش­هایی است که پیش از آغاز فرآیند خوشه­بندی سری­های زمانی مورد توجه قرار می­گیرد. انتخاب تابع فاصله­ی مناسب یک مجموعه داده به شناخت ماهیت داده پیش از انجام عملیات خوشه­بندی وابسته می­باشد و از این رو امری پیچیده و زمانبر می­باشد. از سویی دیگر تاکنون توابع فاصله­ی مختلفی با ویژگی­ها و نقاط قوت متفاوت به منظور اندازه­گیری میزان تفاوت/شباهت میان سری­های زمانی پیشنهاد داده شده است. چگونگی ارائه­ی یک روش خوشه­بندی با قابلیت بهره جستن از ویژگی­های توابع فاصله­ی مختلف به طور همزمان و بدون نیاز به شناخت ماهیت داده­ها پیش از آغاز فرآیند خوشه­بندی، چالش اصلی این تحقیق می­باشد. به منظور حل این مسئله در این تحقیق یک روش خوشه­بندی با ترکیب روش خوشه­بندی Fuzzy C-Means (FCM) و الگوریتم شناخته شده­ی مبتنی بر هوش جمعی انبوه ذرات (PSO) با هدف استفاده از توابع فاصله­ی مختلف با وزن­های متفاوت در حین فرآیند خوشه­بندی پیشنهاد داده شد. انتخاب تابع هدف در این مطالعه به گونه­ای بوده است که نتیجه­ی حاصل از خوشه­بندی بیشترین اشتراک را با نتایج خوشه­بندی حاصل از توابع فاصله­ی مختلف داشته باشد. به عبارت دیگر روش خوشه­بندی ارائه شده در این تحقیق یک روش خوشه­بندی توافقی می­باشد که نتیجه­ حاصل توافق میان توابع فاصله­ی مختلف می­باشد. روش پیشنهادی ارائه شده در این تحقیق با در نظر گرفتن سه تابع فاصله­ی مختلف بر روی هفت سری مجموعه داده­ی شناخته شده از سری­های زمانی پیاده­سازی شد و با پنج روش دیگر مقایسه گردید نتایج حاصل از این مقایسه نشان داد روش ارائه شده در این تحقیق در بیشتر از 85 درصد موارد بهتر از سایر روش­ها عمل کرده است.
واژه‌های کلیدی: داده کاوی، خوشه بندی، تابع فاصله، سری زمانی، Fuzzy C-Means، الگوریتم انبوه ذرات
متن کامل [PDF 1180 kb]   (194 دریافت)    
نوع مطالعه: پژوهشي | موضوع مقاله: سامانه های اطلاعات مکانی
ارسال پیام به نویسنده مسئول

ارسال نظر درباره این مقاله
نام کاربری یا پست الکترونیک شما:

CAPTCHA


XML   English Abstract   Print


Download citation:
BibTeX | RIS | EndNote | Medlars | ProCite | Reference Manager | RefWorks
Send citation to:

Izakian Z, Mesgari M S. A Hybrid Time Series Clustering Method Based on Fuzzy C-Means Algorithm: An Agreement Based Clustering Approach. JGST. 2020; 10 (2) :23-37
URL: http://jgst.issge.ir/article-1-941-fa.html

ایزکیان زاهده، مسگری محمد سعدی. ارائه ی یک روش خوشه بندی توافقی سری های زمانی بر اساس روش Fuzzy C-Means و الگوریتم انبوه ذرات. نشریه علمی پژوهشی علوم و فنون نقشه برداری. 1399; 10 (2) :23-37

URL: http://jgst.issge.ir/article-1-941-fa.html



دوره 10، شماره 2 - ( 9-1399 ) برگشت به فهرست نسخه ها
نشریه علمی علوم و فنون نقشه برداری Journal of Geomatics Science and Technology