ارائه راه کاری برای افزایش کارایی در خوشه بندی داده ها با استفاده از فازی نوع ?
پایان نامه
- وزارت علوم، تحقیقات و فناوری - دانشگاه شیراز - دانشکده برق و کامپیوتر
- نویسنده نوید محمودآبادی
- استاد راهنما اقبال منصوری منصور ذوالقدری جهرمی
- سال انتشار 1382
چکیده
تحلیل داده ها زمینه مناسبی را برای بسیاری از کاربرد های محاسباتی فراهم آورده است. تحلیل خوشه بندی، سازمان دهی مجموعه ای از نمونه ها بر اساس شباهت میان آنها درون گروه های مجزا می باشد. نمونه های درون یک خوشه نسبت به نمونه های دیگر خوشه ها بسیار مشابه یکدیگر هستند. یک الگوریتم خوشه بندی سخت، هر نمونه را فقط به یک خوشه نسبت می دهد، در حالی که خوشه بندی فازی هر نمونه را با درجات عضویت متفاوت درون چند خوشه قرار می دهد. در یک مجموعه فازی نوع 2، درجات عضویت به صورت فازی بیان می شوند. لذا این گونه مجموعه ها گاهی به صورت مجموعه های فازی-فازی نامیده می شوند. مجموعه های فازی نوع 2 بعضا برای شرایطی که تعیین یک تابع عضویت دقیق برای یک مجموعه فازی دشوار است بسیار مفید هستند. عدم قطعیت مفهومی است که بعضا با اکثر داده ها همراه است. این موضوع می تواند دلایل متعددی از جمله عدم دقت در اندازه گیری، تفاوت در نمونه گیری های مختلف، به روز نبودن منابع داده ها و سایر خطاها داشته باشد.الگوریتم it2fcm یک الگوریتم قوی فازی نوع 2 است که با استفاده از این منطق، مدیریت عدم قطعیت را به خوبی انجام می دهد. این پایان نامه حاصل تلاش هایی جهت یافتن راه کار هایی برای افزایش بازده الگوریتم it2fcm می باشد.
منابع مشابه
خوشه بندی خودرو سازان بر اساس تابع تولید اقتصادی با استفاده از تحلیل پوششی داده ها
خوشه بندی به کمک تحلیل پوششی داده ها(DEA) شناسایی روابط پنهان بین عوامل ورودی و خورجی واحدهای تصمیم گیری در تعیین تابع تولید آنهاست.در این مقاله به کمک خوشه بندی بر اساسDEA توابع تولید واحدهای تصمیم گیری صنایع خودرو سازی(از جمله سایپا) به صورت تفکیک شده مشخص می شود.تعیین توابع تولید خودروسازان و استفاده از انها در تفکیک صنایع مشابه با قابلیت در نظر گرفتن همزمان چندین عامل ورودی و خروجی از مز...
متن کاملتعیین و رتبه بندی کارایی نواحی مختلف راه آهن جمهوری اسلامی ایران با استفاده از تحلیل پوششی داده ها
متن کامل
ارایه شاخصی جدید جهت سنجش اعتبار خوشه بندی در الگوریتم های خوشه بندی فازی نوع-2
One of the main issues in fuzzy clustering is to determine the number of clusters that should be available before clustering and selection of different values for the number of clusters will lead to different results. Then, different clusters obtained from different number of clusters should be validated with an index. But so far such an index has not been introduced for interval type-2 fuzzy C...
متن کاملارائه 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...
متن کاملارائه مدلی در تحلیل پوششی داده ها برای بدست آوردن وزن های مشترک با استفاده از منطق فازی
مدل تحلیل پوششی داده ها مدلی برای محاسبه کارایی واحدهای تصمیم گیری است. در مدل های قبلی ارائه شده ضعف هایی وجود دارد که مهم ترین آنها تغییر وزن ورودی ها و خروجی ها در مدل است که باعث می شود کارایی واحدهای تصمیم گیری با وزن های مختلف سنجیده شوند. مسئله مهم این است که چگونه کلیه واحدهای تصمیم گیری با یک وزن سنجیده شوند و همزمان کارایی آنها بهینه شود. در این پژوهش سعی شده است با ارائه مدلی جدید، ن...
متن کاملطبقه بندی سنگ های ساختمانی از دیدگاه قابلیت برش با استفاده از روش خوشه بندی فازی
پیش بینی قابلیت برش سنگ به عنوان یکی از فاکتورهای موثر در تخمین هزینهها و پیش بینی میزان تولید یک کارخانه فرآوری سنگ از اهمیت بالایی برخوردار میباشد. بنابراین شناخت کامل سنگهای ساختمانی و ارزیابی توان اجرایی دستگاههای برش در کارخانههای فرآوری، طراحان و برنامهریزان تولید را به سمت بهبود سرعت فرآوری و افزایش تولید سوق میدهد. از اینرو، به کارگیری روشهای نو و کاربردی برای دستیابی به این اه...
متن کاملمنابع من
با ذخیره ی این منبع در منابع من، دسترسی به آن را برای استفاده های بعدی آسان تر کنید
ذخیره در منابع من قبلا به منابع من ذحیره شده{@ msg_add @}
نوع سند: پایان نامه
وزارت علوم، تحقیقات و فناوری - دانشگاه شیراز - دانشکده برق و کامپیوتر
کلمات کلیدی
میزبانی شده توسط پلتفرم ابری doprax.com
copyright © 2015-2023