Hareketli nesneler üzerinde durmaların ve hareketlerin yörüngeleri için algoritmalar geliştirmek

Abstract

Hastaların zamana ve mekâna göre hasta izleme tarihçesi sonucunda terabayt hatta petabayt boyutunda veri üretimi oluşmaktadır. Bu boyuttaki mekânsal-zamansal verilerden durmaların ve hareketlerin olduğu yörüngeler bulunabilir. Hasta takibi ile elde edilen bu yörüngelerden anlamsal yörüngeler elde edilir. Sağlık hizmetlerinden elde ettiğimiz hareketli nesne verilerine algoritmanın uygulanmasından sonra, kullanıcılara elde ettiğimiz sonuçları grafiksel ara yüzler, raporlamalar ile sunulabilecek ve anlamsal yörüngeler yorumlanabilecektir. Bu görsel arayüzler sayesinde geçmiş ve günümüz verisinden gelecek ile ilgili çıkarımlar yapılabilecektir. Bu çalışmanın amacı, büyük miktardaki hareketli nesne verisinin etkili yönetim performansını artıracak kabul edilebilir en iyi algoritma tekniğini ve sonuçlarını bulmaya çalışmaktır. Geliştirdiğimiz algoritmalarda yörünge kümelemesi adımlarında bulanık kümeleme yöntemleri kullanarak uygulamalarda fark yaratacak teknikler geliştirilmiştir. Oluşturduğumuz grafiksel ara yüzler sayesinde her türlü hareketli nesne verisi için sonuçlar göstermek amaçlanmıştır. Yön tabanlı kümeleme algoritması olan DB-SMoT algoritmasının kümeleme aşamasında bulanık kümeleme yöntemleri kullanılmıştır. Geliştirilen algoritmalar arasında en iyi performansa bulanık k ortalamalar tabanlı DB-SMoT elde etmiştir. En hızlı çalışan algoritma ise bulanık c ortalamalar tabanlı DB-SMoT algoritmasıdır.

As a result of patient tracking history according to time and space, data production occurs size in terabyte or even petabyte. Of this size, spatio-temporal data can be found stops and moves of trajectories. Semantic trajectories are obtained by moving data which is taken with patient tracking. After implementation of algorithm from the moving object data which is obtained from healthcare services, we are able to present results to end-users by graphical interfaces, reports, and comment semantic trajectories.With these visual interfaces, we are able to do inferences about future from past and todays data. In this study, we try to find best algorithm techniques and results that can be adopted to improve the performance for effective management of large amounts of moving object data and spatio-temporal data mining.We have developed algorithms by using the fuzzy clustering techniques in trajectory clustering step. So, this techniques that will make a difference. Through created graphical interfaces, we aim to show all of the moving object data results. In clustering process of direction based clustering algorithm DB-SMoT, fuzzy clustering methods have been used. Between developed algorithms, fuzzy k means based DB-SMoT has acquired the best performance. The fast running algorithm is fuzzy c means based DB-SMoT.