یکشنبه 3 بهمن 1395 | Sunday 22 nd of January 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: 10842 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 1864
|— « فصل اول » 1764
|—|—  کلیات 1836
|—|—|— 1-1 داده کاوی 2519
|—|—|—|— 1-1-1 تاریخچه داده کاوی 4510
|—|—|—|— 1-1-2 داده کاوی چیست ؟ 3481
|—|—|—|— شکل 3-1-1 فرایند داده ‌کاوی 2577
|—|—|—|— 1-1-4 ویژگی های داده کاوی 2528
|—|—|—|— 1-1-5 مزایای داده کاوی 3217
|—|—|—|— 1-1-6 مراحل داده کاوی 4141
|—|—|—|— 1-1-7 روش های داده کاوی 2561
|—|—|—|— 1-1-8 الگوریتم های داده کاوی 3307
|—|—|—|— 1-1-9 ابزارهای داده کاوی 2429
|—|—|—|—|— 1-1- 9-1 قابلیت‌های ابزار‌های داده کاوی 2595
|—|—|—|—|— 1-1-9-2 نرم افزارهای داده کاوی 3535
|—|—|—|— 1-1-10 کاربردهای داده کاوی 2398
|—|—|—|— 1-1-11 شاخه های مرتبط با داده کاوی 3833
|—|—|—|—|— 1-2-1 تاریخچه خوشه بندی 3708
|—|—|—|—|— 1-2-2 تعریف خوشه بندی 3537
|—|—|—|—|— 1-2-3 تحلیل خوشه بندی 3996
|—|—|—|—|— 1-2-4 مراحل خوشه بندی 3104
|—|—|—|—|— 1-2-5 فرایندهای خوشه بندی 3420
|—|—|—|—|— 1-2-6 کاربردهای خوشه بندی 5012
|—|—|—|—|— 1-2-7 مطالعه تکنیک های خوشه بندی 3931
|— « فصل دوم »الگوریتم های خوشه بندی سلسله مراتبی – تجمیعی 3238
|—|— 2-1 خوشه بندی سلسله مراتبی 4770
|—|— 2-2 خوشه بندی سلسله مراتبی تجمیعی 3289
|—|—|— 2-2-1 پیوند خوشه بندی 2737
|—|—|— 2-2-2 الگوریتم پیوند تک 2622
|—|—|— 2-2-3 الگوریتم پیوند کامل 2357
|—|—|— 2-2-4 الگوریتم پیوند میانگین گروهی 2259
|—|—|— 2-2-5 الگوریتم پیوند میانگین وزن دار 2641
|—|—|— 2-2-6 الگوریتم پیوند مرکزی 2261
|—|—|— 2-2-7 الگوریتم پیوند میانی 2309
|—|—|—  2-2-8 روش وارد 2048
|—|—  2-3 پیشرفت اخیر 2073
|—|—|— 2-3-1 الگوریتم BIRCH 2943
|—|—|— 2-3-2 الگوریتم CURE 2683
|—|—|— 2-3-3 الگوریتم ROCK 2316
|—|—|— 2-3-4 الگوریتم CHAMELEON 2545
|—|—|— 2-3-5 الگوریتم SLINK 2009
|—|—|— 2-3-6 الگوریتم های پیوند تک مبتنی بردرختان پوشای مینیمم 2424
|—|—|— 2-3-7 الگوریتم CLINK 1954
|—|— 2-4 روش های دیگر خوشه بندی سلسله مراتبی 2333
|— « فصل سوم »شبیه سازی و اجرای یک نمونه الگوریتم کاربردی 2086
|—|— 3-1 نرم افزار MATLAB 2239
|—|— 3-2 اجرای برنامه کاربردی با Matlab 2073
|—|—|— 3-2-1 تحلیل برنامه CLINK 2223
 ج - منابع و ماخذ 2288
|— ضمیمه 1 : توابع مهم نرم افزار متلب 2209
|— ضمیمه 2 : 1580
Compatability by:
آخرین به روز رسانی سایت: سه شنبه, 22 اسفند 1391 - 00:26