شنبه 6 خرداد 1396 | Saturday 27 th of May 2017 صفحه اصلی گروه الکترونیکی کامپیوتر
عنوان فارسی: بررسی الگوریتم های خوشه بندی جریان های داده متنی
عنوان انگلیسی: A Review of Text-Data Stream Clustering Algorithms
دانشجو: عبدی زهره
استاد راهنما: تکتم دهقانی
استاد دفاع: نامشخص
تاریخ ارائه: مرداد91
مقطع تحصیلی: کارشناسی
دانشگاه: دانشگاه پیام نور مشهد
موضوعات مرتبط: فناوری اطلاعات |
رشته های مرتبط: مهندسی فناوری اطلاعات |
تاریخ قرار گیری در سایت: 3 آذر 1391 ساعت: 08:46:15
تعداد بازدید: 12690 بازدید
چکیده فارسی: در تاریخ در حال توسعه اینترنت، اطلاعات متنی نقش فوق العاده مهمی را بازی می کند. امروزه هنوز هم اطلاعات متنی اساسی ترین و فرم اصلی اطلاعات در اینترنت هستند. بنابراین تقاضای نظارت، مدیریت اطلاعات متنی و استفاده از آن به عنوان منابع با ارزش زیاد، به سرعت در حال افزایش یافتن است. امروزه تجزیه و تحلیل جریان متن دارای اهمیت فراوان است و کاربردهای مختلف از جمله فیلترینگ گروههای خبری، تشخیص و ردیابی موضوع، جریان آهسته متن، شبكه- هاي حسگر، سازماندهي اسناد و شناسایی کاربر دارد. خوشه بندی یکی از مهم ترین روش های تجزیه و تحلیل جریان متن است. مسئله خوشه بندي جريان متن نسبت به خوشه بندي جريانهاي عددي در آغاز راه است و به تازگي مورد توجه محققان بيشتري قرار گرفته است. در این پایان نامه به بررسی الگوریتم های ارائه شده برای خوشه بندی جریانهای داده متنی پرداخته و سیر پیشرفت این الگوریتم ها در راستای افزایش کارایی و بهبود کیفیت خوشه بندی متون بررسی شده است.
چکیده انگلیسی: Internet History shows text information has been playing an extremely significant role in the communication and it is still the most fundamental and main form of information in the Internet. Therefore, the demand of supervising, managing and using text information as valuable resource has increased rapidly and text stream analysis has attracted a lot of research attention. Text stream analysis has several applications such as news group filtering, text crawling, Sensor networks, document organization, topic detection and tracking (TDT), user characterized. The problem of text data stream clustering to clustering numerical streaming is in its beginning and recently has been considered by more researchers. In this project, we review the proposed algorithms for clustering text data streams and the progress has done toward increasing efficiency and improving the quality of clustering algorithms in the literatures. KEYWORDS: Clustering, Data Streams, Text Data Stream, Text Data Stream Clustering
کلمات کلیدی: خوشه بندی، جریان داده، جریان داده متنی، خوشه بندی جریان داده متنی
عنوان بازدید
 فصل اول 916
|— 1- 1 مقدمه 1422
|— 1-2 تعریف داده کاوی 1365
|— 1-3 کاربردهای داده کاوی 1310
|— 1-4 مراحل داده کاوی 1261
|— 1- 5 تکنیکها و روشهای داده کاوی 1202
|— 1-6 مقدمه‌ای بر خوشه‌بندی 1890
|— 1-7 کلاستر چیست؟ 1650
|— 1-8 انواع کلاسترها 1497
|— 1-9 خوشه‌بندی در مقابل طبقه‌‌بندی1 1422
|— 1-10 یادگیری با نظارت1 در مقابل یادگیری بدون‌نظارت2 1330
|— 1-11 کاربردها 1247
|— 1-12 مسائل درگیر با روش‌های خوشه‌بندی موجود 1302
|— 1-13 خوشه‌بندی در مقابل چندی‌سازی برداری1 1326
|— 1-14 ویژگی های الگوریتم های خوشه بندی 1377
|— 1-15 روش‌های خوشه‌بندی 1457
|—|— 1-15-1 خوشه‌بندی انحصاری1 و خوشه‌بندی با هم‌پوشی2 1587
|—|—|— 1-15-1-1 خوشه بندی فازی 1711
|—|— 1-15-2 خوشه‌بندی سلسله مراتبی1 و خوشه‌بندی مسطح2 1517
|—|— 1-15-3 روشهای خوشه‌بندی سلسله مراتبی 2806
|—|—|— 1-15-3-1 خوشه‌بندی با روش Single-Link 1997
|—|—|— 1-15-3-2 خوشه‌بندی با روش Complete-Link 1602
|—|—|— 1-15-3-3 خوشه‌بندی با روش Average-Link 1666
|—|—|— 1-15-3-4 خوشه‌بندی با روش Group Average Link 1582
|—|—|— 1-15-3-5 خوشه‌بندی با روش Median Distance 1533
|—|—|— 1-15-3-6 خوشه‌بندی با روش Ward 1773
|—|—|— 1-15-3-7 الگوریتم خوشه‌بندی پایین به بالای عمومی 1531
|—|— 1-15-4 روش خوشه‌بندی K-Means (C-Means یا C-Centeriod) 1930
|—|—|— 1-15-4-1 مشکلات روش خوشه‌بندی K-Means 1875
|—|—|— 1-15-4-2 مزایای روش خوشه بندی K-Means 2314
|—|— 1-15-5 الگوریتم خوشه‌بندی LBG 2118
|—|—|— 1-15-6 خوشه‌بندی بر اساس چگالی 1698
|—|—|—|— 1-15-6-1 الگوریتم خوشه‌بندی براساس چگالی DBSCAN 1541
|—|—|—|— 1-15-6-2 الگوریتم سلسله مراتبی خوشه‌بندی براساس چگالی OPTICS 1964
|—|— 1-15-7 مزایای خوشه‌بندی بر اساس چگالی 1427
|—|— 1-15-8 بررسی تکنیکهای اندازه‌گیری اعتبار خوشه‌ها 2245
|— 1-16 خوشه بندی متن 1915
|—|— 1-16-1 الگوریتم خوشه بندی Bi-Section-K Means 1738
|—|— 1-16-2 خوشه بندی مستندات متنی به کمک انتولوژی 1380
|—|— 1-16-3 کامپایل کردن دانش پس زمینه درون متن 1382
|—|— 1-16-4 استراتژی های استفاده از کلمه در مقابل مفهوم 1333
|— 1-17 خوشه بندی جریانهای داده 2016
|— 1-18 جریان داده متنی 1332
 فصل دوم ( بررسی الگوریتم های خوشه بندی جریان های داده متنی) 1264
|— 2-1 مقدمه 1231
|—|— 1TF-ICF 2-2-1 1199
|—|— 2-2-2 الگوریتم STREAMING OSKM 1159
|—|—|— 2-2-2-1 K-means کروی انلاین 1208
|—|—|— 2-2-2-2 پیاده سازی کارامد oskm 1160
|—|—|— 2-2-2-3 خوشه بندی مقیاس پذیر 1162
|—|—|— STREAMING OSKM2-2-2-4 1030
|—|—|— 2-2-2-5 ارزیابی و مقایسه 1109
|—|— 2-2-3 الگوریتم OCTS 1149
|—|—|— 2-2-3-1 تعاریف اولیه 1075
|—|—|— 2-2-3-2 مدل بهبود دهنده معنایی3 1142
|—|—|— 2-2-3-3 الگوریتم خوشه بندی انلاین OCTS 1102
|—|—|— 2-2-3-4 الگوریتم OCTS 1046
|—|—|— 2-2-3-5 ارزیابی و مقایسه 1082
|—|— 2-2-4 ویژگی های Bursty 1230
|—|—|— 2-2-4-1 ارائه ویژگی bursty 1052
|—|— 2-2-5 الگوریتم خوشه بندی جریان متن بر اساس انتخاب ویژگی انطباقی4 1912
|—|—|— 2-2-5-1 معایب الگوریتم TSC-AFS 1234
|— 2-3 معیارهای ارزیابی کیفیت خوشه بندی 2640
 فصل سوم : جمع بندی و پیشنهادات 1826
 پیوست 1438
 فهرست منابع 1601
Compatability by:
آخرین به روز رسانی سایت: سه شنبه, 22 اسفند 1391 - 00:26