فاطمه خاکی نجف آبادی - کارشناسی مهندسی اپتیک و لیزر،دانشگاه آزاد اسلامی،نجف آباد،ایران

همه روزه در نقاط مختلف تصادف های زیادی در حال رخ دادن است که اطلاعات مربوط به این تصادف ها به صورت جریان داده برای سرور اصلی ارسال می شود که در آنجا عملیات خوشه بندی انجام شود در حین ارسال تعدادی از داده ها دچار نویز می شوند و یا این که گم میشوند که قبل از خوشه بندی حتما این نویزها باید اصلاح شوند. یکی از روش های حیاتی کنترل و مدیریت این داده ها، کلاس بندی یا گروه بندی داده های با خواص مشابه، درون مجموعه ای از دسته ها یا خوشه ها میباشد. امروزه، خوشه بندی نقش حیاتی در روش های بازیابی اطلاعات برای سازمان بندی مجموعه های بزرگ معنادار دارد، خوشه بندی داده های بزرگ نویز دار بر اساس شباهت از جمله مراحل مهم در تحلیل داده ها و یکی از ابزارهای پرکاربرد در حوزه داده کاوی است. مسئله خوشه بندی مسئله دشواری در زمینه داده های بزرگ بشمار می رود. این دشواری به دلیل حجم زیاد داده دریافتی از یک جریان است. علاوه بر حجم زیاد داده های ورودی داده های ممکن است دچار نویز شوند که در خوشه بندی مشکل ایجاد می کنند . در این پژوهش یک روش خوشه بندی مبتنی بر چگالی ارائه شده است که می تواند عملیات خوشه بندی را به صورت موازی انجام دهد. در این روش برای تشخیص نویز از شبکه عصبی استفاده شده است که دارای یک مجموعه داده آموزش می باشد و از این مجموعه داده برای تشخیص نویز استفاده می شود. روش پیشنهادی بر روی یک داده های بزرگ تصادفات رانندگی آزمایش شده است که نتایج نشان می دهد روش پیشنهادی از عملکرد خوبی برخوردار میباشد.

شبیه سازی، خوشه بندی، تصادفات رانندگی، داده های نویزدار