در اين مقاله برای دسته بندی داده های مکانی و زمانی از روش خوشه بندی فازی استفاده کردیم . همچنین برای بهینه سازی محصول از ماتریس عضویت و ماتریس رتبه بندی استفاده نمودیم به همین دلیل روش خوشه بندي مبتني بر تابع را ارتقاء داده و با درنظر گرفتن دو جزء مكاني و زماني داده ها تابع فاصله را بهبود بخشيديم و سپس نتيجه را در الگوريتم خوشه بندي لحاظ كرديم . اساس كار در اين مقاله، خوشه بندي داده هاي مكاني و زماني براساس به حداقل رساندن دو معيار ارزیابی بعنی معیارهای پيش بيني و بازسازي با توجه به پیش بینی مؤلفه های زمانی داده ها مي باشد .
کلید واژگان :
خوشه بندي فازي ، داده هاي مكاني و زماني ، معيارهاي بازسازي و پيش بيني
