ناهید بابائی - دانشجوی کارشناسی ارشد دانشگاه آزاد شبستر
شیرین باطنی - دانشجوی کارشناسی ارشد دانشگاه آزاد گرمسار
شبنم باطنی - دانشجوی کارشناسی ارشد دانشگاه آزاد گرمسار

در این مقاله برای دسته بندی داده های مکانی و زمانی از روش خوشه بندی فازی استفاده کردیم . همچنین برای بهینه سازی محصول از ماتریس عضویت و ماتریس رتبه بندی استفاده نمودیم به همین دلیل روش خوشه بندی مبتنی بر تابع را ارتقاء داده و با درنظر گرفتن دو جزء مکانی و زمانی داده ها تابع فاصله را بهبود بخشیدیم و سپس نتیجه را در الگوریتم خوشه بندی لحاظ کردیم . اساس کار در این مقاله، خوشه بندی داده های مکانی و زمانی براساس به حداقل رساندن دو معیار ارزیابی بعنی معیارهای پیش بینی و بازسازی با توجه به پیش بینی مؤلفه های زمانی داده ها می باشد

خوشه بندی فازی ، داده های مکانی و زمانی ، معیارهای بازسازی و پیش بینی