• شماره ركورد
    15327
  • شماره راهنما(اين فيلد مربوط به كارشناس ميباشد لطفا آن را خالي بگذاريد)
    15327
  • پديد آورنده

    آناهيتا قلمي

  • عنوان
    روشي جديد براي خوشه‌بندي داده‌هاي فضايي - زماني
  • مقطع تحصيلي
    كارشناسي ارشد
  • رشته تحصيلي
    نرم افزار
  • سال تحصيل
    آبان ماه 1394
  • تاريخ دفاع
    آبان ماه 1394
  • استاد راهنما
    دكتر حسن نادري
  • دانشكده
    كامپيوتر
  • چكيده
    چكيده تحليل داده‌هاي خط‌سير اشياء متحرك و استخراج الگوهاي حركتي آنها با استفاده از روش‌هاي داده‌كاوي، در سال‌هاي اخير مورد توجه محققان قرارگرفته است. در بسياري از برنامه‌هاي مديريت اشياء متحرك، تحليل خوشه‌بندي داده‌ها، به يكي از نيازهاي اساسي تبديل شده است. خوشه‌بندييكي از مهمترين روش‌هاي تحليل است كه داده‌هاي مشابه را براي تهيه خلاصه‌اي از الگوهاي توزيع داده در يك مجموعه داده، گروه‌بندي مي‌كند. خوشه‌بندي داده‌هايفضايي- زماني در حوزه‌هاي مختلفي از جمله هواشناسي، محيط زيست و تحليل فعاليت‌هاي افراد كاربرد دارد. در زمينه هواشناسي مي‌توان به طور مثال به پيش بيني ميزان بارش و پيش بيني خشكسالي در يك منطقه اشاره كرد. در زمينه محيط زيست مي‌تواند در كشف الگوهاي حركتي حيوانات بكار گرفته شود و در حفاظت از گونه‌هاي در حال انقراض موثر باشد. در مورد تحليل فعاليت‌هاي افراد بر اساس داده‌هاي خط‌سير بدست آمده از دستگاه‌هاي مكان‌ياب، مي‌توان به تشخيص مكان‌هاي با اهميت براي فرد يا گروهي از افراد از روي ميزان زماني كه در آن مكان ها توقف دارند و يا تعداد زياد دفعات مراجعه به آن مكان‌ها اشاره كرد.در اين پايان نامه پس از بررسيالگوريتم‌هايموجود برايخوشه‌بندي خط‌سيرها در فضايي كه اشياء متحرك آزادي حركت دارند، يكياز شاخص‌ترين الگوريتم‌هادر اين زمينه با نام Traclus انتخاب شد. الگوريتم Traclus مبتني بر چارچوب پارتيشن و گروه‌بندي است. اين الگوريتم در سه فاز كلي عمل مي‌كند: پارتيشن‌بنديخط‌سيرها، گروه‌بندي زير خط‌سيرهاي بدست آمده از مرحله قبل و تعيين خط‌سير نماينده براي هر خوشه. در اين الگوريتم برايخوشه‌بندي زير خط‌سيرها تنها طول و عرض جغرافيايي نقاطخط‌سيرهامدنظر قرار داده مي‌شود بنابرايناين الگوريتم تنها مي‌تواند نقاط پرتراكم را شناسايي كند، مستقل از اينكه آن مناطق در چه زمان‌هايي پرتراكم بوده‌اند. اين در حاليست كه در بسياري از كاربردها نياز است تا مشخص شود چه مناطقي در چه زمان‌هايي پرتراكم بوده‌اند. از اين رو بر آن شديم تابا در نظر گرفتن ويژگي زمان نقاط خط‌سيرها، اين الگوريتم را توسعه دهيم و الگوريتم خود را با نام T-Traclus ارائه كنيم. مزيت اين روش نسبت به روش موجود قابليت تشخيص مناطق پرتراكم در زمان‌هايمشابه است. واژه‌هاي كليدي:پايگاه داده‌هايفضايي- زماني،خط‌سير اشياء متحرك، خوشه‌بندي، خوشه‌بندي خط‌سيرها.