پیاده سازی حساب اتصال ناحیه فازی و کاربرد آن در بررسی ارتباط مکانی بیماری ها

امروزه داده های مکانی در کاربردهای تصمیم گیری از اهمیت بالایی برخوردارند به طوری که هر روز شاهد گسترش استفاده از این نوع داده ها در تحلیل ها و تصمیم گیری ها هستیم. این داده ها شامل موقعیت و خصوصیات اشیاء مکانی شامل نقطه، خط و ناحیه می-باشند. روابط مکانی شکل مهمی از چگونگی درک انسان از شکل بندی مکانی را تشکیل می دهند. در این زمینه، روابط بین اشیاء مکانی مخصوصاً روابط توپولوژیکی یعنی روابط بین ناحیه ها اهمیت ویژه ای دارند. اما در جهان واقعی نواحی مکانی مانند دریاچه یا جنگل مرزهای دقیقی ندارند و به صورت فازی هستند. پس بهتر است روابط میان آن ها نیز به صورت فازی تعریف شود. روابط توپولوژیک فازی در زمینه های زیادی از جمله الگوریتم های ردیابی مسیر بر مبنای رابطه های فازی، تشخیص پزشکی از پرونده بیمار، استخراج روابط توپولوژیک از وب، تفسیر تصویر، کنترل و جهت یابی ربات، بخش بندی mri مغز، خاک شناسی و زمینه های متعدد دیگر کاربرد دارند. تاکنون تحقیقات متعددی در زمینه مدل سازی روابط توپولوژیکی مکانی فازی صورت گرفته و پیشرفت هایی حاصل شده و روش هایی نیز برای مدل کردن نواحی مکانی فازی و روابط فازی میان آن ها ارائه گردیده است. اما بخش عمده ای از داده های تصمیم گیری مکانی در پایگا ه داده های مکانی ذخیره می شوند که هنوز در آنها برای مسائل پردازش داده های مکانی به استفاده از روابط مکانی فازی توجه کافی نشده است و پردازش های فعلی اکثراً مبتنی بر روابط غیرفازی می باشند. لذا غنی سازی روابط rcc در پایگاه داده-های مکانی بر اساس منطق فازی به بهبود روشهای پردازش داده ها و تصمیم گیری مبتنی بر آنها و همچنین بهبود رابط کاربری در مقایسه با سیستم های امروز کمک می کند. در این پایان نامه روشی ارائه شده است تا برای اولین بار امکان بکارگیری روابط rcc فازی در محیط پایگاه داده های مکانی فراهم شود و زمینه ای برای کاربردهای مهم مبتنی برکار با داده های مکانی ایجاد گردد. به عنوان یک کاربرد مهم، روابط مذکور در بررسی ارتباط مکانی بیماری ها در این پایان نامه ارزیابی می شوند. علاوه بر آن روشی مبتنی بر روابط rcc فازی برای فازی کردن گروه مهمی از پرس وجوهای مکانی تحت عنوان اپراتور اسکای لاین در پایگاه داده های مکانی ارائه گردیده که می تواند در کاربردهای پشتیبانی تصمیم، تجسم داده ها و پایگاه داده های مکانی استفاده شود. الگوریتم های پیشنهادی بر روی مجموعه داده های مکانی اجرا شده و مورد ارزیابی قرار گرفته اند. نتایج حاصل از ارزیابی این الگوریتم ها نشان می دهد که در مقایسه با روش های موجود انعطاف پذیری بیشتری داشته و از سرعت اجرا و کیفیت نتایج مناسبی برخوردار می باشند.