شنبه 6 خرداد 1396 | Saturday 27 th of May 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: 10986 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 1902
|— « فصل اول » 1803
|—|—  کلیات 1877
|—|—|— 1-1 داده کاوی 2581
|—|—|—|— 1-1-1 تاریخچه داده کاوی 4632
|—|—|—|— 1-1-2 داده کاوی چیست ؟ 3572
|—|—|—|— شکل 3-1-1 فرایند داده ‌کاوی 2631
|—|—|—|— 1-1-4 ویژگی های داده کاوی 2588
|—|—|—|— 1-1-5 مزایای داده کاوی 3337
|—|—|—|— 1-1-6 مراحل داده کاوی 4352
|—|—|—|— 1-1-7 روش های داده کاوی 2634
|—|—|—|— 1-1-8 الگوریتم های داده کاوی 3386
|—|—|—|— 1-1-9 ابزارهای داده کاوی 2484
|—|—|—|—|— 1-1- 9-1 قابلیت‌های ابزار‌های داده کاوی 2650
|—|—|—|—|— 1-1-9-2 نرم افزارهای داده کاوی 3618
|—|—|—|— 1-1-10 کاربردهای داده کاوی 2461
|—|—|—|— 1-1-11 شاخه های مرتبط با داده کاوی 4023
|—|—|—|—|— 1-2-1 تاریخچه خوشه بندی 3888
|—|—|—|—|— 1-2-2 تعریف خوشه بندی 3648
|—|—|—|—|— 1-2-3 تحلیل خوشه بندی 4144
|—|—|—|—|— 1-2-4 مراحل خوشه بندی 3206
|—|—|—|—|— 1-2-5 فرایندهای خوشه بندی 3553
|—|—|—|—|— 1-2-6 کاربردهای خوشه بندی 5180
|—|—|—|—|— 1-2-7 مطالعه تکنیک های خوشه بندی 4040
|— « فصل دوم »الگوریتم های خوشه بندی سلسله مراتبی – تجمیعی 3317
|—|— 2-1 خوشه بندی سلسله مراتبی 4944
|—|— 2-2 خوشه بندی سلسله مراتبی تجمیعی 3400
|—|—|— 2-2-1 پیوند خوشه بندی 2818
|—|—|— 2-2-2 الگوریتم پیوند تک 2700
|—|—|— 2-2-3 الگوریتم پیوند کامل 2432
|—|—|— 2-2-4 الگوریتم پیوند میانگین گروهی 2332
|—|—|— 2-2-5 الگوریتم پیوند میانگین وزن دار 2712
|—|—|— 2-2-6 الگوریتم پیوند مرکزی 2338
|—|—|— 2-2-7 الگوریتم پیوند میانی 2376
|—|—|—  2-2-8 روش وارد 2107
|—|—  2-3 پیشرفت اخیر 2133
|—|—|— 2-3-1 الگوریتم BIRCH 3085
|—|—|— 2-3-2 الگوریتم CURE 2807
|—|—|— 2-3-3 الگوریتم ROCK 2393
|—|—|— 2-3-4 الگوریتم CHAMELEON 2644
|—|—|— 2-3-5 الگوریتم SLINK 2070
|—|—|— 2-3-6 الگوریتم های پیوند تک مبتنی بردرختان پوشای مینیمم 2502
|—|—|— 2-3-7 الگوریتم CLINK 2016
|—|— 2-4 روش های دیگر خوشه بندی سلسله مراتبی 2412
|— « فصل سوم »شبیه سازی و اجرای یک نمونه الگوریتم کاربردی 2142
|—|— 3-1 نرم افزار MATLAB 2320
|—|— 3-2 اجرای برنامه کاربردی با Matlab 2148
|—|—|— 3-2-1 تحلیل برنامه CLINK 2280
 ج - منابع و ماخذ 2354
|— ضمیمه 1 : توابع مهم نرم افزار متلب 2274
|— ضمیمه 2 : 1634
Compatability by:
آخرین به روز رسانی سایت: سه شنبه, 22 اسفند 1391 - 00:26