خوشه بندي داده هاي جهت دار با استفاده از الگوريتم بهينه سازي ازدحام ذرات و خوشه بندي فازي

خوشه بندي به عنوان يكي از روش هاي كارآمد در يادگيري بدون ناظر است و يكي از روش هاي اصلي تشخيص الگوست.يك خوشه مجموعه-ايست از نمونه ها كه شبيه به يكديگر و بيشباهت از نمونه ديگر خوشه هاست. روش خوشه بندي C ميانگين فازي (FCM) يكي از روش هاي متداول خوشه بندي است و از درجه عضويت فازي براي خوشه بندي داده ها استفاده مي كند؛ ولي هميشه درجه عضويت براي همه داده ها به درستي صورت نمي گيرد و باعث وجود مينيمم هاي محلي مي شود. بنابراين، براي يافتن مراكز خوشه بهينه و جلوگيري از مشكل بهينه سازي محلي در تحليل خوشه اي داده هاي جهت دار روش هاي مختلفي با الگوريتم FCM و روش هاي تركيبي مختلف پيشنهاد شدند. در روش FCM4DD از تفاوت زاويه اي به عنوان اندازه گيري شباهت استفاده مي كند و همچنين مي توان براي داده هاي N بعدي به عنوان داده هاي مدور نيز استفاده شود. نتايج مقايسه با مجموعه داده جهت باد شش ماهه اول سال هاي 1951 الي 2014 ميلادي كلانشهر تبريز مي باشد كه از مركز هواشناسي ايران اخذ گرديده است ارزيابي شده است. با قراردادن تحليل خوشه اي جهت باد در كنار ساير يافته ها مانند سرعت باد و ... اطلاعات ارزشمندي در زمينه هاي هواشناسي به دست خواهد آمد. مهم ترين چالش‌ اين روش ها چگونگي انتخاب مركز خوشه اوليه در مجموعه داده ها با ويژگي هاي زياد است. در تحقيقات آينده مي توان از تركيب FCM با الگوريتم ازدحام ذرات و روش هاي خوشه بندي پويا استفاده نمود.