منبع پایان نامه ارشد درمورد خوشه بندی، بهینه سازی، دسته بندی

………………………………………………………………………………………………..66
4-1- مقدمه ……………………………………………………………………………………………………………………………. 67
4-2- خوشه بندی اطلاعات به روش ترکیبی پیشنهادی ………………………………………………………………… 68
4-3- تنظیم پارامترهای الگوریتم پیشنهادی …………………………………………………………………………………. 71
4-4- بررسی نتایج حاصل از الگوریتم پیشنهادی و مقایسه آن با دیگر الگوریتم ها……………………………. 71
4-4-1- معرفی داده های استفاده شده و نتایج شبیه سازی مربوط به آن …………………………………………..72
4-4-1-1- مجموعه داده Iris ……………………………………………………………………………………………… 72
4-4-1-2- مجموعه داده Wine ………………………………………………………………………………………….. 75
4-4-1-3- مجموعه داده CMC …………………………………………………………………………………………. 77
4-4-1-4- مجموعه داده Vowel ……………………………………………………………………………………….. 80
5- فصل پنجم: نتیجه گیری و پیشنهادات …………………………………………………………………………………………82
5-1- نتیجه …………………………………………………………………………………………………………………………….. 83
5-2- پیشنهاد کارهای آینده ………………………………………………………………………………………………………. 84
فهرست جدولها
عنوان و شماره صفحه
جدول21 مزایا و معایب الگوریتم k-means …………………………………………………………………………………………………26
جدول22 معایب و محاسن الگوریتم c میانگین فازی …………………………………………………………………………………… 31
جدول23 معیارهای تشابه بر اساس توابع فاصله مختلف………………………………………………………………………………….32
جدول3-1 توابع عددی مورد استفاده برای تست الگوریتم‌ها …………………………………………………………………………60
جدول41 پارامترهای مربوط به الگوریتم های پیشنهادی ……………………………………………………………………………….71 جدول42مراکز خوشه به دست آمده با اجرای الگوریتم FCM-BA روی مجموعه دادهIris ………………….73
جدول43پاسخ الگوریتم های موجود بر روی مجموعه دادهIris …………………………………………………………………….74
جدول44 پاسخ الگوریتم FCM-BA بازاء مقادیر مختلف پارامترها بر روی مجموعه داده Iris ………………. 74
جدول45 پاسخ الگوریتم های موجود بر روی مجموعه داده Wine………………………………………………………………75
جدول46 مراکز خوشه به دست آمده بااجرای الگوریتم FCM-BA روی مجموعه داده Wine………………..76
جدول47پاسخ الگوریتمFCM-BA بازاء مقادیر مختلف پارامترها برروی مجموعه دادهWine …………….. 77
جدول 48 مراکز خوشه به دست آمده با اجرای الگوریتم پیشنهادی روی مجموعه داده CMC ………………. 78
جدول 49پاسخ الگوریتم های موجود بر روی مجموعه داده CMC ……………………………………………………………..79
جدول410پاسخ الگوریتم FCM-BAبازاء مقادیر مختلف پارامترها بر روی مجموعه داده CMC …………79
جدول 411 مراکز خوشه به دست آمده با اجرای الگوریتم پیشنهادی روی مجموعه داده Vowel ……………80
جدول 4-12 پاسخ الگوریتم های موجود بر روی مجموعه داده Vowel ……………………………………………………….80
جدول 413 پاسخ الگوریتمFCM-BA بازاء مقادیر مختلف پارامترهابرروی مجموعه داده Vowel ………. 81
فهرست شکلها
عنوان و شماره صفحه
شکل 21 تفاوت خوشه بندی و طبقه بندی ………………………………………………………………………………………………… 12
شکل2-2 مراحل خوشه بندی ……………………………………………………………………………………………………………………….. 17
شکل 2 3 محاسبه فاصله در اتصال منفرد، اتصال میانگین و اتصال کامل …………………………………………………. 0 2
شکل 2-4 تفاوت بین روش متراکم شوتده و تقسیم کننده ………………………………………………………………………….. 20
شکل2-5 مجموعه داده پروانهای ……………………………………………………………………………………………………………………. 27
شکل 26 توزیع یک بعدی نمونه ها ……………………………………………………………………………………………………………… 30
شکل 27 خوشه بندی کلاسیک نمونه های ورودی ……………………………………………………………………………………… 30
شکل 2 8 خوشه بندی فازی نمونه ها …………………………………………………………………………………………………………. 31
شکل 31 دسته بندیهای متفاوت در مسایل بهینه سازی …………………………………………………………………………. 37
شکل 32 روشهای حل مسایل بهینه سازی ……………………………………………………………………………………………….. 40
شکل 33 تقسیم بندی روش محاسباتی ……………………………………………………………………………………………………… 41
شکل 3-4 آزمایش پل دوگانه ………………………………………………………………………………………………………………………… 47
شکل 3-5 استفاده از echolocation برای پیدا کردن شکار توسط یک خفاش ………………………………………. 52
شکل3-6 شبه کد الگوریتم خفاش ………………………………………………………………………………………………………………….. 53
شکل3-7 تابع موج ضربه‌ای مورلت ………………………………………………………………………………………………………………… 56
شکل 3-8 الف) نماش سه بعدی تابع Rosenbrock ب) نمایش contour تابع Rosenbrock …………. 61
شکل 3-9 الف) نماش سه بعدی تابع Schewefel ب) نمایش contour تابعel Schewef ………………… 62
شکل 3-10 الف) نماش سه بعدی تابع Rastragin ب) نمایش contour تابع Rastragin …………………….63
شکل3-11 الف) نماش سه بعدی تابع Ackley ب) نمایش contour تابع Ackley …………………………….. 64
شکل3-12 الف) نماش سه بعدی تابع Greiwank ب) نمایش contour تابع Greiwank …………………. 65
شکل 41نمونه های گلهای زنبق از مجموعه دادهIris ………………………………………………………………………………… 72
فصل اول : مقدمه
مقدمه
داده و الگو یکی از شاخصهای بسیار مهم در دنیای اطلاعات هستند و خوشهبندی یکی از بهترین روشهایی است که برای کار با دادهها ارائه شده است. قابلیت آن در ورود به فضای داده و تشخیص ساختار آنها باعث گردیده که خوشه بندی یکی از ایدهآلترین مکانیزمها برای کار با دنیای عظیم دادهها باشد.
در خوشهبندی، نمونهها به دستههایی تقسیم میشوند که از قبل معلوم نیستند. بنابراین، خوشهبندی یک روش یادگیری است که بدون دانش پیشین و مشاهده نمونههای از قبل تعریف شده، دادهها را به صورت خود مختار و مستقل دسته بندی میکند.
خوشه بندی در واقع یافتن ساختار در مجموعه دادههایی است که طبقه بندی نشدهاند. به بیان دیگر خوشهبندی قراردادن دادهها در گروههایی است که اعضای هر گروه از زاویهی خاصی به هم شباهت دارند. در نتیجه شباهت بین دادههای درون هر خوشه حداکثر و شباهت بین دادههای درون خوشههای متفاوت حداقل میباشد. معیار شباهت در اینجا، فاصله بوده یعنی نمونههایی که به یکدیگر نزدیکترهستند، در یک خوشه قرار میگیرند. لذا محاسبهی فاصلهی بین دو داده در خوشهبندی بسیار مهم میباشد؛ زیرا کیفیت نتایج نهایی را دستخوش تغییر قرار خواهد داد.
فاصله که همان معرف عدم تجانس است حرکت در فضای دادهها را میسر میسازد و سبب ایجاد خوشهها میگردد. با محاسبهی فاصلهی بین دو داده، میتوان فهمید که چقدر این دو داده به هم نزدیک هستند و در یک خوشه قرار می گیرند یا نه؟ توابع ریاضی مختلفی برای محاسبهی فاصله وجود دارند؛ فاصله اقلیدسی، فاصله همینگ و ….
1-1-بیان مسأله
خوشهبندی یافتن ساختار، درون مجموعهای از دادههای بدون برچسب است و میتوان آن را به عنوان مهمترین مسأله در یادگیری بدون نظارت در نظر گرفت. ایدهی خوشهبندی اولین بار در دههی 1935 مطرح شد و امروزه با پیشرفتها و جهشهای عظیمی که در آن بهوجود آمده در کاربردها و جنبههای مختلفی حضور یافته است. یک جستجوی ساده در وب یا حتی در پایگاه داده یک کتابخانه، کاربرد شگفت انگیز آن را برای ما آشکار میسازد. الگوریتمهای خوشهبندی در زمینههای مختلفی کاربرد دارد که به عنوان نمونه میتوان موارد زیر را برشمرد:
• داده کاوی1: کشف اطلاعات و ساختار جدید از داده‌های موجود
• تشخیص گفتار2: در ساخت کتاب کد از بردارهای ویژگی، در تقسیم کردن گفتار بر حسب گویندگان آن یا فشرده‌سازی گفتار
• تقسیم‌بندی تصاویر3: تقسیم‌بندی تصاویر پزشکی یا ماهواره‌ای
• وب (WWW): دسته‌بندی اسناد و یا دسته‌بندی سایتها و …
• زیست‌‌‌شناسی4: دسته‌بندی حیوانات و گیاهان از روی ویژگی‌های آنها
• برنامه ریزی شهری5: دسته‌بندی خانه‌ها بر اساس نوع و موقعیت جغرافیایی آنها
• مطالعات زلزله‌نگاری6: تشخیص مناطق حادثه‌خیز بر اساس مشاهدات قبلی
• کتابداری: دسته‌بندی کتابها
• بیمه: تشخیص افراد متقلب
• بازاریابی7: دسته‌‌بندی مشتریان به دسته‌هایی بر حسب نیاز آنها از طریق مجموعه آخرین خرید‌های آنان.
با توجه به کاربرد روزافزون خوشهبندی، امروزه شاهد ارائهی روشهای جدید و کارآمدتری هستیم که هر یک برای کاربردی خاص ارائه میشود. ولی با همه این تلاشها هنوز خوشهبندی در بسیاری از علو

مطلب مرتبط :   منابع مقاله با موضوعبزرگسالان، دانش آموزان، کودکان مبتلا

دیدگاهتان را بنویسید