دانلود سمینار خوشه بندی بر مبنای الگوریتم Fuzzy c-means
دانلود سمینار خوشه بندی بر مبنای الگوریتم Fuzzy c-means
فرمت قابل ویرایش ورد word
تعداد صفحات: ۲۲ صفحه
خلاصه ای از فایل
مقدمه
خوشه به مجموعهای از دادهها گفته میشود که از زاویهی خاصی به هم شباهت دارند. به دسته بندی طبیعی دادههای نامتجانس به تعدادی خوشه بر اساس خصوصیات مشابه نیز خوشهبندی میگویند. اغلب از خوشهبندی به عنوان اولین گام دادهکاوی یاد میشود که قبل از سایر فرآیندها بر روی رکوردها اعمال میشود تا گروهی از رکوردهای مرتبط به هم به عنوان نقطه آغاز تحلیلها شناسایی شوند. هدف از خوشه بندی این است که دادههای موجود را به چندین گروه تقسیم کنند و در این تقسیمبندی دادههای گروههای مختلف باید حداکثر تفاوت ممکن را با هم داشته باشند و دادههای موجود در یک گروه باید بسیار به هم شبیه باشند.
در این فصل، بعد از مقایسه روش خوشهبنـدی با روش طبقهبندی، روشهای مختلف خوشهبندی معرفی میگردد و در آخر به توضیح در مورد الگوریتم Fuzzy c-means که این تحقیق بر پایه آن بنا شده است، خواهیم پرداخت.
فهرست
۲-۲-۱- تفاوت خوشه بندی و طبقهبندی.. ۳
۲-۲-۵- انواع روشهای خوشه بندی.. ۸
۲-۲-۶- خوشهبندی سلسله مراتبی.. ۹
۲-۲-۶-۱- خوشه بندی سلسله مراتبی تقسیم شونده ۹
۲-۲-۶-۲- خوشه بندی سلسله مراتبی متراکم شونده ۱۰
۲-۲-۷- خوشهبندی افرازبندی یا پارتیشنی.. ۱۲
۲-۲-۸- خوشه بندی همپوشانی.. ۱۶
دیدگاه ها