شنبه 5 فروردین 1396 | Saturday 25 th of March 2017 صفحه اصلی گروه الکترونیکی کامپیوتر
عنوان فارسی: بررسی الگوریتم های خوشه بندی تجمیعی و شبیه سازی و اجرای یک نمونه
عنوان انگلیسی: Review Agglomerative algorithms and Simulation and implementation of a sample
دانشجو: رستگارمقدم خبازی هدی
استاد راهنما: عليرضا موحديان
استاد دفاع: نامشخص
تاریخ ارائه: تابستان 1389
مقطع تحصیلی: کارشناسی
دانشگاه: دانشگاه پیام نور مشهد
موضوعات مرتبط: تحقیقاتی | هوش مصنوعی | طراحی الگوریتم | سیستم عامل | نرم افزار |
رشته های مرتبط: علوم کامپیوتر | مهندسی کامپیوتر - نرم افزار |
تاریخ قرار گیری در سایت: 26 فروردین 1390 ساعت: 13:55:24
تعداد بازدید: 10900 بازدید
چکیده فارسی: ازخوشه بندی درحوزه داده کاوی برای تحلیل ، گروه بندی یا طبقه بندی داده ها درخوشه هایی که اعضای ان ها خواص کمابیش یکسانی دارند ، استفاده می شود . خوشه بندی کاربردهای متعددی از تشخیص الگو ، روان شناﺴﻰ ، اقتصاد تا طبقه بندی ژنی ، پردازش تصویر و ... دارد . دراین پروژه چند الگوریتم خوشه بندی نسبتاً ساده ، کارامد و متداول که درخوشه بندی داده ها به کار می روند مورد بررسی قرارمی گیرند . فصل اول به مفاهیم و کلیات داده کاوی و خوشه بندی اختصاص دارد . در فصل دوم ابتدا مختصری در مورد خوشه بندی سلسله مراتبی و در ادامه انواع الگوریتم های خوشه بندی سلسله مراتبی تجمیعی توضیح داده شده است ( با این وصف که معادلات ومبحث های ریاضی الگوریتم ها مطرح نشده وصرفاً روی خود الگوریتم ها تأکید شده ) . درفصل اخرهم توضیحی کوتاه درباره نرم افزارmatlab داده شده و یک نمونه ازالگوریتم های فصل دوم با زبان برنامه نویسی matlab شبیه سازی شده است .
چکیده انگلیسی:
کلمات کلیدی: داده کاوی، خوشه بندی، الگوریتم سلسه مراتبی تجمیعی، Proximity ، Matlab
عنوان بازدید
 الف - مقدمه 1884
|— « فصل اول » 1778
|—|—  کلیات 1847
|—|—|— 1-1 داده کاوی 2539
|—|—|—|— 1-1-1 تاریخچه داده کاوی 4567
|—|—|—|— 1-1-2 داده کاوی چیست ؟ 3516
|—|—|—|— شکل 3-1-1 فرایند داده ‌کاوی 2597
|—|—|—|— 1-1-4 ویژگی های داده کاوی 2550
|—|—|—|— 1-1-5 مزایای داده کاوی 3266
|—|—|—|— 1-1-6 مراحل داده کاوی 4266
|—|—|—|— 1-1-7 روش های داده کاوی 2593
|—|—|—|— 1-1-8 الگوریتم های داده کاوی 3339
|—|—|—|— 1-1-9 ابزارهای داده کاوی 2454
|—|—|—|—|— 1-1- 9-1 قابلیت‌های ابزار‌های داده کاوی 2620
|—|—|—|—|— 1-1-9-2 نرم افزارهای داده کاوی 3575
|—|—|—|— 1-1-10 کاربردهای داده کاوی 2423
|—|—|—|— 1-1-11 شاخه های مرتبط با داده کاوی 3923
|—|—|—|—|— 1-2-1 تاریخچه خوشه بندی 3793
|—|—|—|—|— 1-2-2 تعریف خوشه بندی 3594
|—|—|—|—|— 1-2-3 تحلیل خوشه بندی 4080
|—|—|—|—|— 1-2-4 مراحل خوشه بندی 3158
|—|—|—|—|— 1-2-5 فرایندهای خوشه بندی 3481
|—|—|—|—|— 1-2-6 کاربردهای خوشه بندی 5095
|—|—|—|—|— 1-2-7 مطالعه تکنیک های خوشه بندی 3982
|— « فصل دوم »الگوریتم های خوشه بندی سلسله مراتبی – تجمیعی 3270
|—|— 2-1 خوشه بندی سلسله مراتبی 4852
|—|— 2-2 خوشه بندی سلسله مراتبی تجمیعی 3333
|—|—|— 2-2-1 پیوند خوشه بندی 2764
|—|—|— 2-2-2 الگوریتم پیوند تک 2646
|—|—|— 2-2-3 الگوریتم پیوند کامل 2378
|—|—|— 2-2-4 الگوریتم پیوند میانگین گروهی 2282
|—|—|— 2-2-5 الگوریتم پیوند میانگین وزن دار 2667
|—|—|— 2-2-6 الگوریتم پیوند مرکزی 2288
|—|—|— 2-2-7 الگوریتم پیوند میانی 2337
|—|—|—  2-2-8 روش وارد 2066
|—|—  2-3 پیشرفت اخیر 2093
|—|—|— 2-3-1 الگوریتم BIRCH 3007
|—|—|— 2-3-2 الگوریتم CURE 2742
|—|—|— 2-3-3 الگوریتم ROCK 2349
|—|—|— 2-3-4 الگوریتم CHAMELEON 2585
|—|—|— 2-3-5 الگوریتم SLINK 2035
|—|—|— 2-3-6 الگوریتم های پیوند تک مبتنی بردرختان پوشای مینیمم 2463
|—|—|— 2-3-7 الگوریتم CLINK 1979
|—|— 2-4 روش های دیگر خوشه بندی سلسله مراتبی 2368
|— « فصل سوم »شبیه سازی و اجرای یک نمونه الگوریتم کاربردی 2110
|—|— 3-1 نرم افزار MATLAB 2273
|—|— 3-2 اجرای برنامه کاربردی با Matlab 2105
|—|—|— 3-2-1 تحلیل برنامه CLINK 2246
 ج - منابع و ماخذ 2318
|— ضمیمه 1 : توابع مهم نرم افزار متلب 2247
|— ضمیمه 2 : 1607
Compatability by:
آخرین به روز رسانی سایت: سه شنبه, 22 اسفند 1391 - 00:26