یک روش جدید برای خوشه بندی داده های طولی با استفاده از بی-اسپلاین ها

خوشه بندی فرایندی نظارت نشده در حوزه ی داده کاوی است که به کشف و جستجوی مجموعه داده هایی می پردازد که از جهاتی مشابه هم هستند. نوع خاصی از داده ها که در علوم زمین بسیار پرکاربرد است داده هایطولی هستند که در آن واحدهای متوالی زمان از واحدهای مشخص به دست می یایند حال آ نکه خوشه بندی این نوع داده ها همواره چالش برانگیز است زیرا گروه بندی باید شباهت مسیرهای واحدها را در حضور زمان های مختلف به حساب آورد. هدف این مقاله، معرفی و بررسی رویکردی جدید در خوشه بندی سلسله مراتبی با داده های طولی چند متغیره به نام cluster MLD است. این روش قدرت الگوریتم خوشه بندی سلسله مراتبی را با توانایی مدل سازی تغییرات در طول زمان ترکیب نموده که برای داده های طولی پیچیده مناسب است . در ادامه عملکرد این روش خوشه بندی چندمتغیره با استفاده از داده های ۳۰ استان در مدت ۱۳ سال که ۶ ویژگی برای آنها ثبت شده، ارزیابی و با روش خوشه بندی تک متغیره مقایسه می شود .

Keywords:

داده طولی , داده کاوی , خوشه بندی , بی-اسپلاین