Optimisation du regroupement K-Means pour les données météorologiques

Le clustering est l'une des principales techniques d'exploration de donn es utilis es pour classer ou partitionner les donn es en diff rents clusters sur la base de l'analyse de la distance. Il existe un certain nombre d'algorithmes de regroupement pour effectuer le processus de regroupement. Mais ces algorithmes de regroupement ne sont pas supervis s, de sorte que des impuret s peuvent parfois survenir en raison de partitions in gales. Ces impuret s peuvent concerner la taille des grappes, l' tendue des valeurs de donn es, l' cart type des valeurs regroup es, etc. C'est pourquoi un m canisme de contr le supervis est n cessaire pour obtenir des r sultats efficaces et pr cis. C'est pourquoi un m canisme de contr le supervis est n cessaire pour obtenir des r sultats efficaces et pr cis. Le travail pr sent va dans le m me sens pour atteindre l'efficacit en mettant en oeuvre la supervision dynamique. Dans ce travail, nous avons mis en oeuvre un m canisme de contr le avant et apr s le processus de regroupement.