خوشه یابی داده با استفاده از الگوریتم های ابتکاری
thesis
- وزارت علوم، تحقیقات و فناوری - دانشگاه بیرجند - دانشکده مهندسی برق و کامپیوتر
- author محمد حامد مظفری معارف
- adviser سید حمید ظهیری
- Number of pages: First 15 pages
- publication year 1391
abstract
مراحل حل مسائل مهندسی مختلف بر این اساس استوار است که همواره از یک مدلسازی از آنچه در واقعیت است، شروع شده و در مراحل بعد به یک مسئله بهینه سازی برخورد و نیاز به حل آن مسئله می باشد. در چند دهه قبل، روش های سنتی ریاضیات راه حل این مسئله بهینه سازی بودند و دانشمندان زیادی، روش های مختلفی را برای حل آن بیان کردند که بیشتر در علم محاسبات عددی می توان آن روشها را یافت. این روشها بسیار طولانی و دشوار و نیازمند دانستن پارامترهای بسیاری از شرایط اولیه مسئله مورد نظر بودند. استفاده از کامپیوتر برای حل این مسائل بسیاری از مشکلات را حل کرد اما با رشد مسائل و پیچیده شدن آنها دیگر روشهای ریاضی قادر به حل آنها نبوده و عملا این مسائل غیر قابل حل شدند. نمونه بسیار واضح از این مسئله را می توان در علم ژنتیک برای درمان سرطان مشاهده کرد که بررسی ژنوم انسان که هر ژن دارای بیلیاردها و چه بسا بیشتر حالت گوناگون وجود دارد و تشخیص یک ساختار از بیماری در بین آنها عملا با استفاده از روشهای قدیمی امکان پذیر نیست، چه بسا که روشهای جدید نیز تا حدی قادر به حل آنها می باشند و هنوز نیاز به کار و مطالعه توسط محققان دارند. در این پایان نامه به بررسی چندین روش برای حل مسائل بهینه سازی و یک روش جدید بهینه سازی پرداخته و عملکرد آنها بر روی یک سری داده های استاندارد با یکدیگر مقایسه شده است. یک مسئله مورد نظر در این پایان نامه بحث خوشه یابی داده (به ویژه تصاویر) می باشد. ضمن ارائه یک الگوریتم جدید بهینه سازی راهکاری تازه برای خوشه یابی داده ها با استفاده از این الگوریتم ارائه شده است. الگوریتم جدید از لحاظ تئوری بر روی توابع استاندارد بررسی شد و عملکرد بسیار مناسبی را از خود نشان داد. همچنین از لحاظ عملی در دو بخش داده و تصویر به منظور حل مسئله خوشه یابی به کار رفت، که نسبت به دیگر الگوریتم های مشابه دارای نتایج بسیار ارزنده ای است.
similar resources
بررسی میزان تأثیر داروهای درمان ناباروری در بیماران نابارور با استفاده از الگوریتم خوشه بندی و تکنیک های داده کاوی
Background and purpose: The rate of infertility has increased throughout the world. Data mining is a new method for analyzing information from databases. Few studies are done regarding infertility and using data mining in describing and predicting different treatment methods and factors influencing these methods. This paper proposes a model for evaluating the efficacy of different drugs in trea...
full textمکان یابی تسهیلات مرتبط با استفاده از الگوریتم های ابتکاری
نیاز به احداث مراکز و یا انبار برای برآورده کردن تقاضای مشتریان، روز به روز بیشتر مورد توجه قرار می گیرد. گاهی این مراکز برای برطرف کردن نیاز های مشتریان خود، می بایست به مراکز دیگر و یا مرکز منبع متصل شوند، که در بسیاری از مسائل واقعی هزینه اتصال این مراکز به یکدیگر بسیار بیشتر از هزینه اتصال مشتریان به مراکز می باشد. با توجه به هزینه بالای اتصال این مراکز به یکدیگر، تعیین تعداد جایگاه های لاز...
خوشه بندی خودکار داده های مختلط با استفاده از الگوریتم ژنتیک
مساله خوشه بندی به منظور کمینه کردن مجموع مجذور انحراف، یک مساله غیر خطی و غیر محدب بوده و دارای تعداد زیادی نقاط بهینه محلی است. در مسائل خوشهبندی در دنیای واقعی، اغلب با مجموعه دادههایی مواجهیم که از ترکیبی از مقادیر عددی و دستهای تشکیل شدهاند. در حالیکه اغلب روشهای خوشهبندی موجود تنها بر روی دادههای عددی از کارایی مناسبی برخوردارند و قابلیت استفاده بر روی دادههای مختلط را ندارند. از س...
full textتعیین توصیفگرهای بهینه در خوشه بندی داده های لیدار با استفاده از الگوریتم ژنتیک
در سالهای اخیر، تکنولوژی لیدار به عنوان یک تکنولوژی کارآمد در کسب اطلاعات سهبعدی از زمین شناخته شده و هر روز بیش از پیش مورد توجه مهندسین و متخصصان مهندسی ژئوماتیک قرار میگیرد. استخراج عوارض از دادههای لیدار به عنوان یکی از مسائل مهم در پردازش این اطلاعات به شمار میآید. یکی از راههای استخراج اتوماتیک عوارض از این دادهها استفاده از الگوریتمهای خوشهبندی میباشد. تعیین روش بهینه خوشهبند...
full textارائه یک الگوریتم خوشه بندی برای داده های دسته ای با ترکیب معیارها
Clustering is one of the main techniques in data mining. Clustering is a process that classifies data set into groups. In clustering, the data in a cluster are the closest to each other and the data in two different clusters have the most difference. Clustering algorithms are divided into two categories according to the type of data: Clustering algorithms for numerical data and clustering algor...
full textMy Resources
document type: thesis
وزارت علوم، تحقیقات و فناوری - دانشگاه بیرجند - دانشکده مهندسی برق و کامپیوتر
Hosted on Doprax cloud platform doprax.com
copyright © 2015-2023