Improved infrared precipitation estimation approaches based on k-means clustering: Application to north Algeria using MSG-SEVIRI satellite data

Clustering diurnal cycles of day-to-day temperature change to understand their impacts on air quality forecasting in mountain-basin areas

“…In this study, the regional average values of day-to-day temperature change in SCB and the K-means clustering method (MacQueen, 1967) are selected to classify the diurnal cycles of day-to-day temperature change, because of the simplicity and convergence characteristics of K-means clustering method. The details of K-means clustering method can refer to MacQueen (1967) and (Mokdad and Haddad, 2017). Additionally, the Calinski-Harabasz criterion, also known as the variance ratio criterion, is utilized to determine the optimal number of clusters (Caliński and Harabasz, 1974).…”

Learning about spatial inequalities: Capturing the heterogeneity in the urban environment

“…The algorithm has been enhanced since its publication in Macqueen (1967). Some applications of K-Means can be verified in the remote sensing area for image segmentation (Dhanachandra et al, 2015) and precipitation estimation (Mokdad and Haddad, 2017) as well as the improvements in the algorithm for time series analysis (Huang et al, 2016). This algorithm, associated with the previous dimensionality reduction, provides a comprehensive group analysis (Ibes, 2015).…”

Normalización en desempeño de k-means sobre datos climáticos

“…luego, dicho conjunto de datos es procesado con el software de análisis de datos Rapid Miner, versión 7.5.003, utilizando aprendizaje de máquina no supervisado. En esta medida, el algoritmo seleccionado es K-Means; la Distancia Euclidiana es seleccionada como función de distancia, considerada como la de mayor confianza [1] y una de las más utilizadas en una gran variedad de trabajos [2], [3], [8][9][10], [15], [17]; y los valores que se determinan para el número de clústeres es de K=2, K=3 y K=5, como parte de la creación de los escenarios en esta investigación. Además, se establece que se aplicará normalización con Z-transformation y Range transformation como parte del proceso de reducir escalas de valores en las variables para algunos escenarios específicos [1], [7], [13], [18][19][20][21][22], y que se utilizará Davis-Bouldin como métrica propuesta de evaluación de calidad de clúster [1], [16], [17], [23], [24].…”

“…En dichos análisis de datos climáticos se han empleado diversos algoritmos de agrupamiento para procesar los registros, ya sean de agrupamiento jerárquico [1], [2], [8]; de agrupamiento empleando Stepwise Cluster Analysis o (SCA, por sus siglas en inglés) [11][12], [13]; de agrupamiento usando Space-Time Permutation Scan Statistics o (STPSS, por sus siglas en inglés) [14]; y de Second Order Data Coupled Clustering o (SODCC, por sus siglas en inglés) [6], [7]. Además, dentro del aprendizaje de máquina no supervisado se encuentra también el algoritmo particionado K-Means, muy ampliamente usado por los investigadores en el campo climatológico y uno de los algoritmos más conocidos dentro del machine learning para el análisis de variables y datos de meteorología [1], [4], [5], [8][9][10], [15], debido a que es reconocido como uno de los algoritmos más simples y eficientes dentro del agrupamiento de datos [16]. En la revisión de literatura se encuentra que autores como Ghayekhloo [9] emplearon K-Means en cuatro variables climáticas (radiación solar, temperatura, velocidad y dirección del viento) para un rango de tiempo de dos años, el cual es comparado con GTSOM (Game Theoretic Self-Organizing Map), un modelo que se propone para demostrar quién tiene mejor precisión y así dar un pronóstico sobre K-Means.…”

“…No obstante, el estudio no mostró el comportamiento de las variables climáticas ni un completo costo computacional de la ejecución del algoritmo bajo diferentes escenarios que priorizaran el conjunto de datos o información climática, como tampoco una visualización de los efectos de normalizar, o no, y con qué métodos, o cómo se da el manejo y efecto de ejecutar grandes cantidades de ceros en las variables para conocer una evaluación más amplia del desempeño del algoritmo K-Means. [ Otros trabajos de investigadores han utilizado K-Means como algoritmo para apoyar las metodologías propuestas por los autores y el posterior procesamiento de sus conjuntos de datos climáticos [5], [8], [10], [15] encontrando satisfacción en sus resultados obtenidos, pero más allá del empleo del algoritmo, los autores no abordaron en sus investigaciones la evaluación del algoritmo K-Means bajo una formulación de criterios diferentes. Desde esta perspectiva se aprecia que existe un espacio abierto orientado a determinar, con la aplicación de K-Means, qué variables meteorológicas son las que mejor se relacionan entre sí, qué cantidad y cuáles variables usar para la conformación de clústeres, qué cantidad de registros y con qué cantidad de clústeres trabajar, qué métodos de normalización usar y cuáles aplicar, o no, y cómo influye el procesamiento y análisis de resultados con variables que contienen grandes cantidades de ceros.…”