برترین مقالات و پایان نامه های دانشجویی - ارائه روشی جدید در خوشه بندی اطلاعات با استفاده ازترکیب الگوریتم خفاش و Fuzzy c- means
درباره فروشگاه

موضوعات
گزارشات
تاریخ تاسیس : 1394/11/11
تعداد محصولات اضافه شده : 221
تعداد فروشهای کاربر : 69
افراد آنلاین :
رنک فروش کاربر :
کدهای ویژه
Powered By filefarsi.com

   ارائه روشی جدید در خوشه بندی اطلاعات با استفاده ازترکیب الگوریتم خفاش و Fuzzy c- means

بهرام محمدپور 1396/06/16 دسته بندی : برق و الکترونیک و مخابرات 1

ارائه روشی جدید در خوشه بندی اطلاعات با استفاده ازترکیب الگوریتم خفاش و Fuzzy c- means

نوع فایل: word (قابل ویرایش)

تعداد صفحات : 106 صفحه

 

 چکیده

 

خوشه  بندی قرار دادن داده ها در گروه هایی است که اعضای هر گروه از زاویه خاصی به هم شباهت دارند .  شباهت بین داده های درون هر خوشه حداکثر و شباهت بین داده های درون خوشه های متفاوت حداقل م ی باشد.
Fuzzy c-means نیز یک تکنیک خوشه¬بندی فازی است که علی¬رغم حساس بودن به مقدار دهی اولیه و همگرائی به نقاط بهیـــنه محلی ، به دلیل کارآمد بودن و پیاده سازی آسان، یکی از متداول¬ترین روش ها می¬باشد. در این رساله جهت رفع مشکلات موجود از روش ترکیبی مبتنی بر الگوریتم خفاش و Fuzzy c-means بهره گرفته -خواهد ¬شد. به منظور اعتبارسنجی، روش پیشنهادی بر روی چندین داده متفاوت مشهور پیاده سازی می گردد و نتــایج با روش¬های الگوریتم¬ جستجوی ممنوع، مورچگان، اجتماع ذرات، آبکاری فولاد و k-means مقایسه خواهد گردید. توانایی بالا و مقاوم بودن این روش بر اساس نتایج مشهود خواهد بود.

کلید واژه:خوشه بندی اطلاعات-ترکیب الگوریتم-Fuzzy c- means

 


فهرست مطالب

۱- فصل اول: مقدمه  2
  1-1- بیان مسأله  3
  1-2- پیشینه تحقیق  4
  1-3- هدف تحقیق  5
  1-4- اهمیت تحقیق ۵
  1-5- گفتارهای پایان نامه ۸
۲- فصل دوم: خوشه بندی بر مبنای الگوریتم Fuzzy c-means 10
  2-1- مقدمه ۱۱
  2-2- خوشه بندی اطلاعات ۱۱
    2-2-1- تفاوت خوشه¬بندی و طبفه¬بندی  13
    2-2-2-کاربردهای خوشه¬بندی۱۳    
    2-2-3- انواع خوشه¬ها۱۵
    2-2-4- مراحل خوشه بندی ۱۵
    2-2-5- انواع روش های خوشه بندی ۱۸
    2-2-6- خوشه بندی سلسله مراتبی ۱۸
      2-2-6-1- خوشه بندی سلسله مراتبی تقسیم شونده ۱۹
      2-2-6-2- خوشه بندی سلسله مراتبی متراکم شونده ۱۹

    2-2-7- خوشه بندی افراز¬بندی یا پارتیشنی  22
      2-2-7-1- الگوریتم k-means 23
    2-2-8- خوشه بندی همپوشانی۲۶
      2-2-8-1- خوشه بندی فازی۲۷
۳- فصل سوم: بهینه سازی بر مبنای الگوریتم خفاش ۳۳
  3-1- مقدمه ۳۴
  3-2- شرح مسئله بهینه سازی ۳۵
  3-3- روش های حل مسائل بهینه سازی ۳۹
    3-3-1- الگوريتم بهینه¬سازی توده ذرات ۴۳
    3-3-2- الگوريتم جفت گیری زنبور عسل ۴۵
    3-3-3- الگوریتم مورچگان ۴۶
    3-3-4- الگوریتم الگوي جستجوي ممنوع ۴۸
    3-3-5-الگوریتم آبکاری فولاد ۴۹
    3-3-6- الگوریتم خفاش  51
    3-3-7-راه¬حلهای پیشنهادی برای بهبود عملکرد الگوریتم خفاش ۵۴
     3-3-7-1-انتخاب جمعیت اولیه بر اساس قاعده نولید عدد متضاد ۵۴
     3-3-7-2-استراتژی جهش خود تطبیق ۵۵
  3-4- معیارهای مقایسه الگوریتمهای بهینه¬سازی ۵۸
      3-4-1- کارایی۵۸
      3-4-2- انحراف استاندارد ۵۸
      3-4-3- قابلیت اعتماد۵۹
      3-4-4- سرعت همگرایی۵۹
      
  3-5-تعریف مسایل عددی گوناگون ۶۰
    3-5-1-تابع Rosenbrock 61
    3-5-2- تابع Schewefel  62
    3-5-3- تابع Rastragin  63
    3-5-4- تابعAchley 64
    3-5-5- تابع Greiwank 65
۴- فصل چهارم: الگوریتم پیشنهادی ۶۶
  4-1- مقدمه ۶۷
  4-2- خوشه بندی اطلاعات به روش ترکیبی پیشنهادی ۶۸
  4-3- تنظیم پارامترهای الگوریتم پیشنهادی ۷۱
  4-4- بررسی نتایج حاصل از الگوریتم پیشنهادی و مقایسه آن با دیگر الگوریتم ها۷۱
    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
۵- فصل پنجم: نتیجه گیری و پیشنهادات ۸۲
  5-1- نتیجه ۸۳
  5-2- پیشنهاد کارهای آینده ۸۴

 

-

خرید و دانلود | 5,000 تومان

گزارش تخلف به پلیس سایت
مطالب مرتبط

ط¯ط§ظ†ظ„ظˆط¯ ط¢ظ‡ظ†ع¯ ط¬ط¯غŒط¯

ظ¾ظ†ظ„ ط§ط³ ط§ظ… ط§ط³

ط§ط±ط³ط§ظ„ ظ¾غŒط§ظ…ع© ط¨ظ„ع© ظ„غŒط³طھ

ظ¾ظ†ظ„ ط§ط³ ط§ظ… ط§ط³ ط±ط§غŒع¯ط§ظ†

ط§ط±ط³ط§ظ„ ط¨ظ„ع© ظ„غŒط³طھ

ط·ط±ط§ط­غŒ ط±ط¨ط§طھ طھظ„ع¯ط±ط§ظ…

ط·ط±ط§ط­غŒ ط³ط§غŒطھ