مطالعه ی تاج و پدیده های مربوط به آن از جمله مناطق فعال‏، حفره های تاجی ونواحی‎ آرام و تعیین محل دقیق این پدیده ها از اهمیت بسیاری در مطالعات فیزیک خورشید برخوردار است.‎ ‏‎از آن‏ جایی که حجم بسیار زیادی داده از ماهواره های خورشیدی دریافت می شود‏، نیاز رو به افزایشی برای استخراج سیماها و پدید‏ه های خورشیدی به صورت خودکار وجود دارد. الگوریتم هایی برای شناسایی و ردیابی خودکار پدیده های مذکور با استفاده از روش های داده کاوی ارائه شده اند که از جمله ی آن ها می توان به الگوریتم های رشد ناحیه و الگوریتم های خوشه بندی اِف سی ام‏، پی سی اِم و ا‏ِس پی او سی اِی اشاره ‎‏کرد.‎ در‎‎‎ این رساله از یک روش ‏ خوشه بندی بدون نظارت به نام الگوریتم اِس پی او سی اِی استفاده کرده ایم که به صورت خودکار به شناسایی و بخش بندی تصاویر فرابنفش دور خورشید می پردازد و معیار بخش بندی تصاویر در آن مبتنی بر مجاورت و نزدیکی است که به طور بهینه مرز این نواحی را جدا می کند. از آن جایی که مطالعه ی رفتار و پیش بینی خورشید برای ما اهمیت دارد‏، بررسی این مناطق به صورت آماری ما را در استخراج فیزیک پدیده های خورشیدی و پیش بینی رفتار خورشید کمک خواهد کرد. ما با استفاده از تصاویر ماهواره های سوهو/ای آی تی و اس دی او/اِی آی اِی مناطق فعال‏، نواحی آرام و چاله های تاجی در روزهای 18‎ سپتامبر ‎2010‎‏‎‏‏، ‎‎30‎‎‏‎‏ اکتبر ‎2012‎ و ‎18‎‎‏‎‏ جولای ‎‎2013‎‎‏‎‏ را شناسایی کردیم. در نهایت به مقایسه ی الگوریتم اِس پی او سی اِی با الگوریتم های خوشه بندی اِف سی اِم و پی سی اِم و ‎‎k‎‎‏‎‏-میانگین و ‎‎c‎-‎‏میانگین می پردازیم.