Clustering spatial non supervisé

Le clustering spatial non supervisé est une méthode d'apprentissage non supervisé visant à identifier et à diviser automatiquement des régions spatiales présentant des caractéristiques similaires en analysant la structure intrinsèque des données spatiales. Cette technique ne repose pas sur des connaissances ou des étiquettes préalables, révélant efficacement des modèles et des structures cachés au sein des données. Elle est largement utilisée dans les systèmes d'information géographique, les sciences environnementales, l'aménagement urbain et d'autres domaines pour soutenir l'analyse de données spatiales et la prise de décision. Les données de séries temporelles peuvent être utilisées comme entrée pour enrichir la dimension temporelle des résultats de clustering, offrant ainsi une interprétation plus complète.