چکیده:
کاوش خوشه‌ها یکی از تکنیکهای حائز اهمیت در زمینه رو به رشد، معروف به داده کاوی اکتشافی می باشد که در رشته‌های گوناگون مهندسی و علمی از قبیل زیست شناسی، روان شناسی، پزشکی، بازاریابی، کامپیوتر و نقشه برداری ماهواره ای بکار گرفته شده است. تحلیل خوشه‌ها اطلاعات را به وسیله¬ی یک ساختار اساسی مختصر به دو شکل گروه بندی تنها یا گروه بندی سلسله مراتبی سازماندهی می نماید. خوشه بندی ابزاری برای اکتشاف ساختار‌هایی از درون داده‌ها است که نیاز یه هیچ فرضی از آنها نیست. این روش در هوش مصنوعی و شناسایی الگو یادگیری بدون ناظر نامیده می¬شود. الگوریتمهای خوشه بندی گوناگونی برای استخراج دانش از درون مجموعه اطلاعات مختلف وجود دارد.
خوشه بندی استفاده از چندین کامپیوتر که عموما از نوع کامپیوتر‌های شخصی یا ایستگاه‌های کاری یونیکس، رسانه‌های ذخیره سازی چند گانه و به همدیگر وصل شده هستند که به کاربران به عنوان یک سیستم با دسترسی بالا به نظر میرسد.خوشه بندی محاسبات میتواند برای لود کردن با دسترسی بالا مورد استفاده قرار گیرد که از فرم پردازش ماشین موازی به عنوان رابط با هزینه کم برای عملیات علمی و سایر برنامه‌های کاربردی استفاده می¬کند. تکنولو‍‍‍ژی خوشه بندی کامپیوتر‌ها خوشه‌هایی از سیستم را با یکدیگر در ارتباط میگذارد تا سیستم‌هایی با قابلیت اعتماد و کارآیی بهتر را فراهم کند. سیستم‌های خوشه سرور گروهی از سرور‌ها را به ترتیب به یکدیگر متصل می¬کند تا به طور هماهنگ پردازش سرویس‌ها را برای کاربران در شبکه فراهم کند.
فهرست:
فصل اول: مفاهیم خوشه بندی
1 ـ 1 ـ مقدمه‌ای بر خوشه‌بندی
1 ـ 2 ـ خوشه‌بندی در مقابل طبقه‌‌بندی
1 ـ 3 ـ یادگیری با نظارت در مقابل یادگیری بدون‌نظارت
1 ـ 4 ـ خوشه‌بندی در مقابل چندی‌سازی برداری
1 ـ 5 ـ روشهای خوشه‌بندی
1 ـ 5 ـ 1 ـ روشهای خوشه‌بندی سلسله مراتبی
1 ـ 5 ـ 2 ـ خوشه‌بندی با روش Single-Link
1 ـ 5 ـ 3 ـ خوشه‌بندی با روش Complete-Link
1 ـ 5 ـ 4 ـ خوشه‌بندی با روش Average-Link
1 ـ 6 ـ دیگر روشهای خوشه بندی سلسله مراتبی
1 ـ 6 ـ 1 ـ خوشه‌بندی با روش Ward
فصل دوم: الگوریتم های هوشمند خوشه بندی
2 ـ 1 ـ الگوریتم خوشه‌بندی پایین به بالای عمومی
2 ـ 2 ـ روش خوشه‌بندی K-Means (C-Means یا C-Centeriod)
2 ـ 2 ـ 1 ـ مثالی برای روش خوشه‌بندی K-Means
2 ـ 2 ـ 2 ـ مشکلات روش خوشه‌بندی K-Means
2 ـ 3 ـ الگوریتم خوشه‌بندی LBG
2 ـ 3 ـ 1 ـ مثالی از الگوریتم خوشه‌بندی براساس چگالی DBSCAN
2 ـ 4 ـ الگوریتم سلسله مراتبی خوشه‌بندی براساس چگالی OPTICS
2 ـ 5 ـ مزایای خوشه‌بندی بر اساس چگالی
2 ـ 6 ـ بررسی تکنیکهای اندازه‌گیری اعتبار خوشه‌ها
2 ـ 7 ـ الگوریتم خوشه‌بندی c میانگین (Fuzzy c-mean)
2 ـ 7 ـ 1 ـ مراحل الگوریتم
2 ـ 7 ـ 2 ـ نقاط قوت الگوریتم c میانگین فازی
2 ـ 7 ـ 3 ـ نقاط ضعف الگوریتم c میانگین فازی
2 ـ 8 ـ الگوریتم خوشه‌بندی c میانگین برای داده‌های نویزی
2 ـ 9 ـ الگوریتم خوشه‌بندی c میانگین با استفاده از نمونه‌های برچسب گذاری شده
2 ـ 10 ـ شاخصهای اعتبارسنجی
2 ـ 10 ـ 1 ـ شاخص دون (Dunn Index)
2 ـ 10 ـ 2 ـ شاخص دیویس بولدین (Davies Bouldin Index)
2 ـ 10 ـ 3 ـ شاخصهای اعتبارسنجی ریشة میانگین مربع انحراف از معیار (RMSSDT) و ریشة R (RS)
2 ـ 10 ـ 4 ـ شاخص اعتبارسنجیSD
2 ـ 10 ـ 5 ـ شاخص اعتبارسنجی S_Dbw
2 ـ 11 ـ آزمایش ومقایسه کارایی شاخصهای اعتبار سنجی
فصل سوم: خوشه بندی در شبکه های حسگر بی سیم
3 ـ 1 ـ مقدمه
3 ـ 2 ـ اهداف اصلی و چالشهای طراحی خوشه‌بندی در WSNها
3 ـ 3 ـ دسته بندی الگوریتمهای خوشه‌بندی
3 ـ 3 ـ 1 ـ پارامترهای خوشه‌بندی
3 ـ 3 ـ 2 ـ طبقه بندی پروتکل‌های خوشه‌بندی
3 ـ 4 ـ رویکردهای خوشه‌بندی احتمالاتی
3 ـ 5 ـ پروتکل‌های خوشه‌بندی احتمالاتی مشهور
3 ـ 5 ـ 1 ـ سلسله مراتب خوشه‌بندی تطبیق پذیر کم انرژی (LEACH)
خلاصه و نتیجه‌گیری
منابع
تعداد مشاهده: 2086 مشاهده
فرمت فایل دانلودی:.rar
فرمت فایل اصلی: docx
تعداد صفحات: 212
حجم فایل:4,724 کیلوبایت
دانلود فایل