در سالهای اخیر، رشد بالا و روزافزون داده‌های خطوطسیر مکانی و لزوم پردازش و استخراج اطلاعات مفید و الگوهای معنیدار از آن‌ها منجر به جلب توجه محققان بسیاری درزمینه خوشهبندی خطوطسیر مکانی-زمانی شدهاست. تاکنون توابع شباهت و الگوریتمهای خوشهبندی مختلفی برای طبقهبندی خطوطسیر ارائه شده‌اند. گستردگی الگوریتمهای خوشهبندی و نتایج منحصربهفرد هر یک بر لزوم توجه و بررسی نقاط ضعف و قوت آن‌ها تاکید می‌کند. در این تحقیق، الگوریتمهای خوشهبندی در خطوطسیر مکانی که تعمیم یافته از الگوریتمهای خوشهبندی داده‌های نقطهای هستند به چهار دستهی کلی روشهای افرازی، سلسلهمراتبی، چگالی مبنا و مبتنی بر بهینهسازی تقسیم شدند و پرکاربردترین الگوریتم‌ها در هر دسته پیادهسازی و مورد ارزیابی قرار گرفتند. فرایند ارزیابی بر روی دو مجموعه داده با پیچیدگی متفاوت و در سه حالت بدون خطا، خطا با توزیع گوسین و وجود داده پرت انجام گرفته تا توانایی روش‌ها در شرایط مختلف بررسی گردد. از شاخص سیلووت و زمان محاسباتی به عنوان دو پارامتر برای مقایسه و ارزیابی استفاده شده است. با توجه به نتایج به‌دست‌آمده توجه به داده و ویژگیهای آن در انتخاب روش مناسب خوشهبندی حائز اهمیت است.با این حال در مجموع بهترین نتایج از لحاظ کیفیت خوشهبندی به ترتیب از دستههای مبتنی بر بهینهسازی، افرازی، سلسله مراتبی و چگالی مبنا و از لحاظ سرعت محاسبات به ترتیب دستههای چگالیمبنا، سلسلهمراتبی، افرازی و مبتنی بر بهینهسازی حاصل شده است. دسته افرازی (صرفا زیر دسته طیفی) بالاترین مقاومت در برابر داده پرت و روشهای چگالی مبنا و مبتنی بر بهینهسازی بالاترین مقاوت در برابر نویز را از خود نشان دادهاند.
Moayedi A, Ali Abbaspour R, Chehreghan A R. Assessment of the Performance of Clustering Algorithms in the Extraction of Similar Trajectories. JGST 2019; 8 (4) :135-149 URL: http://jgst.issgeac.ir/article-1-772-fa.html
مویدی علی، علی عباسپور رحیم، چهرقان علیرضا. ارزیابی عملکرد الگوریتم های خوشه بندی در استخراج خطوط سیر مکانی متشابه. علوم و فنون نقشه برداری. 1398; 8 (4) :135-149
