خوشه بندی مبتنی بر چگالی یکی از روش های مورد توجه در داده کاوی و DBSCANنمونه ای پرکاربرد از این روش است. DBSCAN علاوه بر مزایای خود معایبی نیز دارد. به عنوان نمونه، تعیین پارامترهای ورودی این الگوریتم توسط کاربر کار مشکلی است. در مقاله ی حاضر سعی شده است، اصلاحاتی روی یکی از الگوریتم های مبتنی برچگالی به نام ISB-DBSCAN انجام شود. در روش پیشنهادی همانند ISB-DBSCAN از یک پارامتر ورودی k به عنوان تعداد نزدیک ترین همسایه استفاده شده است. از آنجا که تعیین پارامتر k ممکن است، برای کاربر مشکل باشد، یک روش پیشنهادی با الگوریتم ژنتیک برای تعیین خودکار k نیز ارائه شده است. برای ارزیابی روش های پیشنهادی آزمایش هایی روی یازده مجموعه داده ی استاندارد انجام شد و دقت خوشه بندی در روش ها مورد ارزیابی قرار گرفت. نتایج به دست آمده در مقایسه با دیگر روش های موجود نشان داد که روش پیشنهادی در مجموعه داده های مختلف، نتایج بهتری را کسب کرده است.

خوشه بندی یکی از تکنیک های مهم کشف دانش در پایگاه داده های مکانی است. الگوریتم های خوشه بندی مبتنی بر چگالی یکی از روش های اصلی برای خوشه بندی در داده کاوی هستند.DBSCAN الگوریتم پایه روش های خوشه بندی مبتنی بر چگالی است که علی رغم مزایایی که دارد دارای مشکلاتی نظیر سخت بودن تعیین پارامترهای ورودی و عدم توانایی کشف خوشه های با چگالی متفاوت نیز است.در این مقاله الگوریتمی ارائه شده که برخلاف الگوریتم DBSCAN، قابلیت تشخیص خوشه های با چگالی متفاوت را دارد. این الگوریتم همچنین خوشه های تودرتو و چسبیده به هم را نیز به خوبی تشخیص می دهد. ایده الگوریتم پیشنهادی به این صورت است که ابتدا با استفاده از تکنیکی چگالی های مختلف مجموعه داده را تشخیص داده و برای هر چگالی یک شعاع Eps تعیین می کند. سپس الگوریتم DBSCAN جهت اعمال بر روی مجموعه داده، با پارامترهای به دست آمده تطبیق داده می شود. الگوریتم پیشنهادی بر روی مجموعه داده های استاندارد و مصنوعی تست شده است و نتایج به دست آمده با نتایج حاصل از الگوریتم DBSCAN و پنج بهبود الگوریتم DBSCAN شامل: VDBSCAN، VMDBSCAN، LDBSCAN، DVBSCAN و MDDBSCAN که همگی برای رفع مشکل تغییرات چگالی الگوریتم DBSCAN ارائه شده اند، بر اساس معیارهای ارزیابی روش های خوشه بندی مقایسه شده اند. نتایج ارزیابی ها نشان می دهد که الگوریتم پیشنهادی از دقت بالا و درصد خطای پایینی برخوردار بوده و نتایج بهتری نسبت به سایر الگوریتم ها داشته است.

چندین روش به منظور برآورد تابع چگالی احتمال وجود دارد. از سوی دیگر، در نظریه مجموعه های فازی یکی از روش های ساختن تابع عضویت بر پایه ی مجموعه داده، روش مبتنی بر تابع چگالی احتمال است. با توجه به روش های متداول در برآورد تابع چگالی، این مسئله می تواند به محاسبه انواع تابع عضویت بر پایه یک مجموعه داده منجر شود. در این مقاله، برخی از این روش ها بیان و با مثال عددی تشریح می شوند.

تشخیص داده های نویز(پرت یا غیرعادی) از داده های جریان در شبکه های توزیع آب در مرحله آماده سازی و پیش پردازش داده ها برای دستیابی به داده های تاریخی قابل اعتماد انجام می گیرد؛ که در بهبود روش های ارزیابی و مدیریت نشت و بهره برداری موثر از شبکه، مهم و ضروری است. هدف از ارائه این مقاله توسعه یک متدولوژی جدید بر مبنای روش های یادگیری بدون نظارت، جهت شناسایی داده های پرت یا غیرعادی در یک مجموعه داده های جریان در شبکه های توزیع آب می باشد. متدولوژی توسعه داده شده شامل مراحل 1-جمع آوری داده های مورد نیاز، 2-صحت سنجی و نرمال سازی داده ها و 3-شناسایی و کشف داده های پرت یا غیرعادی با استفاده از الگوریتم خوشه بندی مکانی مبتنی بر چگالی مقاوم در مقابل نویز (DBSCAN) می باشد. متدولوژی پیشنهادی برای داده های جریان ورودی به یک منطقه در شبکه توزیع آب شهری تهران با تواتر زمانی برداشت داده 15 دقیقه برای سال 1394 به کار برده شد. نتایج نشان داد که متدولوژی توسعه داده شده قابلیت شناسایی داده های پرت ناشی از انواع شکستگی ها و مصارف مجاز غیرمعمول نظیر مصارف ناشی از تغییر در الگوی مصرفی جمعیت یا مصارف مجاز غیرعادی را دارد. از اینرو این متدولوژی را می توان به عنوان یک ابزار کاربردی و انعطاف پذیر برای پایش داده های جریان و شناسایی و حذف انواع داده های پرت از آنها مورد استفاده قرار داد.

آگاهی از وضعیت نرخ بیکاری استانهای کشور در افق های زمانی معین، برای برنامه ریزان منطقه ای و سیاستگزاران اقتصادی کشور بسیار مهم می باشد. در این مقاله خوشه بندی سری های زمانی بر اساس چگالی پیش بینی آنها تا افق مشخص بررسی شده است. در این روش به منظور تقریب توزیع پیش بینی ها از فرآیند بوت استرپ غربالی استفاده می شود. تفاوت های بین هر زوج از چگالی های بوت استرپ یک ماتریس عدم تشابه تولید می کند که برای خوشه بندی استفاده می شود. به همین منظور از داده های فصلی نرخ بیکاری استانی در بازه زمانی بهار 1384 تا پاییز 1396 استفاده گردید و با توجه به الگوریتم چگالی پیش بینی، نرخ بیکاری استان های کشور را برای دو افق زمانی 4 فصل (یک سال) و 10 فصل (دو سال و نیم) خوشه بندی کردیم. بهترین وضعیت را چه در 4 گام و چه در 10 گام (دو سال و نیم)، استان های سمنان و زنجان خواهند داشت و بدترین وضعیت استان های لرستان و کرمانشاه دارا می باشند. همچنین در دو افق زمانی مورد مطالعه، به جز چند استان، بقیه در خوشه های اصلی خود ثابت بودند. همچنین نمودار پراکنش فضایی بیکاری در ایران بر اساس خوشه بندی مبتنی بر چگالی پیش بینی نشان می دهد که همچنان استان های غرب و جنوب غربی بالاترین نرخ بیکاری را خواهند داشت. بنابراین لزوم برنامه ریزی منطقه ای و توجه جدی به اشتغال استان های فوق الذکر توصیه می شود. در ضمن استان هایی که در وضعیت نامطلوبی قرار دارند، دارای همسایگان با نرخ بیکاری بالا هستند و استان های با نرخ بیکاری پایین عمدتاً دارای استانهای همجوار با نرخ بیکاری پایین هستند. به عبارت دیگر یک همبستگی مکانی مثبت بین استانهای همجوار و نرخ بیکاری وجود دارد.

اکثر مطالعات اخیر در حوزه خوشه بندی ترکیبی سعی می کنند ابتدا خوشه بندی های اولیه ای تولید کنند که تا حد ممکن دارای پراکندگی باشند، سپس با اعمال یک تابع توافقی همه این نتایج را با هم ترکیب می کنند. در این مقاله یک روش جدید خوشه بندی ترکیبی ارایه شده است که در آن به جای استفاده از تمام نتایج اولیه، تنها از زیرمجموعه ای از خوشه های اولیه استفاده می شود. ایده اصلی در این روش استفاده از خوشه های پایدار در ترکیب نهایی است. برای ترکیب خوشه های انتخابی، از تابع توافقی مبتنی بر ماتریس همبستگی استفاده شده است. از آن جایی که ساخت ماتریس همبستگی با در دسترس بودن تنها تعدادی از خوشه ها، با روش های موجود امکان پذیر نمی باشد، در این مقاله یک روش جدید به نام خوشه بندی انباشت مدارک توسعه یافته، برای ساخت ماتریس همبستگی از زیرمجموعه ای از خوشه ها پیشنهاد شده است. برای ارزیابی خوشه ها، از پایداری مبتنی بر اطلاعات متقابل استفاده شده است. نتایج تجربی روی چندین مجموعه داده استاندارد نشان می دهد که روش پیشنهادی به طور موثری نتایج خوشه بندی های اولیه را بهبود می دهد. هم چنین، مقایسه نتایج در مقایسه با سایر روش های خوشه بندی ترکیبی، نشان از کارآیی بالای روش پیشنهادی دارد.