فرید کریمی پور
علی سلیمانی

خوشه بندی مکانی، نوعی از خوشه بندی است که در آن موقعیت مکانی اشیا، نقش اساسی در نتایج خروجی دارد. بدین ترتیب که اشیایی که از لحاظ پارامترهای توصیفی به یکدیگر شبیه بوده و از لحاظ مکانی دور از هم باشند نمی توانند در یک خوشه قرار گیرند بنابراین الگوریتمهای مورد استفاده در خوشه بندی داده های مکانی ، متفاوت با روشهای معمول برای خوشه بندی داده های غیر مکانی می باشند. با این وجود اغلب روشهای معمول برای خوشه بندی مکانی، بهبود یافته روشهای خوشه بندی غیرمکانی هستند و بنابراین قابلیت حمایت کامل ازخصوصیات مکانی داده ها را ندارند. به عنوان مثال، این روشها قابلیت تعیین خوشه هایی با آرایش هندسی نامنظم را ندارند. این مقاله به بررسی روشهایی می پردازد که به طور خاص برا یخوشه بندی داده های مکانی توسعه داده شده و قابلیت استخراج خوشه های مکانی با آرایش هندسی نامنظم را دارا می باشند. در این راستا، روشهای کرنل و چگالی مبنا در خوشه بندی داده های مکانی معرفی گردیده و ویژگیهای هر یک از آنها مورد بحث قرار گرفته است.