ارائه روشی برای خوشه بندی و عملکرد آن روی داده های شرکت کنترل ترافیک تهران

ما در عصری قرار داریم که اغلب تحت عنوان عصر اطلاعات شناخته می شود. در این عصر، سازمان ها به وسعت در حال جمع آوری حجم بسیار عظیمی از اطلاعات هستند و به استخراج دانش نیازمند هستند. داده کاوی حاصل تکامل پنجاه ساله فناوری اطلاعات است. در دهه شصت میلادی اولین گام در جهت داده کاوی با جمع آوری داده ها برداشته شد، در دهه هفتاد سیستم های مدیریت پایگاه داده رابطه ای توسعه یافتند و در دهه هشتاد تکنیک های دست یابی به داده ها ارتقا پیدا کردند. در دهه نود زمینه اصلی داده کاوی با توسعه انبارهای داده و سیستم های پشتیبانی تصمیم گیری فراهم گردید. به وضوح، داده کاوی وقتی ظهور یافت که حجم اطلاعات جمع آوری شده از کمیتی که یک کاربر انسانی می تواند تفسیر کند فراتر رفت. خوشه بندی یکی از تکنیک های داده کاوی است که نقش مهمی در تحلیل و تفسیر داده ها ایفا می کند، خوشه بندی داده ها را در خوشه ها به گونه ای گروه بندی می کند که اشیاء داده ای درون یک خوشه به یکدیگر شباهت بسیار زیادی دارند، اما با اشیاء درون خوشه های دیگر شباهت بسیار کمی دارند. تحقیقات بسیار زیادی در توسعه روش های خوشه بندی فازی انجام گرفته است، که مورد استفاده ترین آنها الگوریتم های مبتنی بر تابع هدف هستند، که داده ها را توسط مینیمم کردن یک تابع هدف خوشه بندی می کنند. در بین الگوریتم های خوشه بندی فازی مبتنی بر تابع هدف، الگوریتم fuzzy c-means تاکنون معروف ترین الگوریتم شناخته شده است و مبنای خوبی برای بسیاری از روش های جدید مبتنی بر تابع هدف می باشد. گرچه، fuzzy c-means بسیار به داده ها حساس است و فقط وقتی می تواند خوب عمل کند که خوشه ها تقریباً اندازه و شکل کروی مشابهی داشته باشند. در این تحقیق سعی بر آن شده است که به دو مسأله اساسی، یکی انتخاب نامناسب مراکز اولیه و در نتیجه گیر افتادن در مینیمم محلی و دیگری پیدا کردن خوشه هایی با شکل و اندازه یکسان در خوشه بندی فازی پرداخته شود. با ارائه یک مرحله پیش پردازشی، قابل اعمال بر الگوریتم های فازی موجود و روش جدید ارائه شده، از حساسیت الگوریتم به داده ها کاسته می شود و مراکز خوشه به نوعی انتخاب می شوند که از گیر افتادن در مینیمم محلی اجتناب می گردد. سپس تابع فاصله ای با کمک مقادیر ویژه و بردارهای ویژه ماتریس کواریانس فازی خوشه ها برای خوشه بندی ارائه می گردد که در شناسایی خوشه های به خوبی مجزا کمک شایان توجهی می کند. بنا بر معیارهای ارزیابی روش جدید برتری خود را نسبت به الگوریتم های موجود اثبات می کند. در ادامه به علت اهمیتی که مسأله ترافیک در جوامع امروزی ایفا می کند با استفاده از روش پیشنهادی روی داده های شرکت کنترل ترافیک تهران داده کاوی انجام شده است و نتایج آن ارائه گردیده اند.