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

۲-۱- مقدمه. ۱

۲-۲- خوشهبندی اطلاعات.. ۲

۲-۲-۱- تفاوت خوشه بندی و طبقهبندی.. ۳

۲-۲-۲-کاربردهای خوشهبندی.. ۳

۲-۲-۳- انواع خوشه ها ۵

۲-۲-۴- مراحل خوشه بندی.. ۵

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

اتصال منفرد. ۱۰

اتصال میانگین.. ۱۱

اتصال کامل… ۱۱

۲-۲-۷- خوشه‌بندی افرازبندی یا پارتیشنی.. ۱۲

۲-۲-۷-۱-الگوریتم k-means. 13

۲-۲-۸- خوشه بندی همپوشانی.. ۱۶

۲-۲-۸-۱- خوشه بندی فازی.. ۱۶