نوع فایل power point
قابل ویرایش 34 اسلاید
قسمتی از اسلایدها
خوشهبندي
گروهبندي دادهها به گونهاي که خصوصيات مشترک بين دادههاي هر گروه زياد و خصوصيات مشترک بين گروههاي متفاوت کم باشد.
سوال 1: خصوصيات مشترک؟ چگونگي تشخيص خصوصيات؟
طيف وسيع كاربرد
يادگيري ماشين، هوش مصنوعي، الگوشناسي، وب كاوي، تحليل پايگاه داده، پردازش متون و تصاوير، علوم پزشكي، علوم اجتماعي، اقتصاد و تجارت، علوم كامپيوتر، پزشكي
خوشهبندي به عنوان يك مساله مشكل
مهمترين دلايل مشكلبودن مساله:
ذات بدون ناظر بودن الگوريتمهاي خوشهبندي
ابهام در تعريف خوشه مناسب
مشكل بودن تعريف معيار فاصله مناسب
تعريف تابع هدف مناسب به منظور خوشهبندي
عدم وجود الگوريتم جامع براي حل همه مسائل خوشهبندي
خوشهبندي مقيد (دستهبندي)
سلسله مراتبي:
با تغيير الگوريتمهاي خوشهبندي سلسلهمراتبي قابليت برآورده كردن قيدها را نيز در آنها تعبيه مينمايند.
خوشهبندي با ساختن دندروگرامي از دادهها
روش پايه:
ابتدا هر داده به عنوان يك خوشه درنظر گرفته مي شود.
عمل ادغام خوشهها تا هنگامي كه ادغام آنها هيچ قيدي را نقض نكند
روش Davidson [Davidson05]
ابتدا بستارهاي تراگذري مربوط به قيدهاي بايد-پيوند (ML) محاسبه ميشود
خوشهبندي را با X1+r خوشه آغاز مينمايد كهX1 تعداد نمونههايي است كه هيچ قيد بايد-پيوندي بر روي آنها اعمال نشده و r تعداد اجزاء همبند حاصل از قيدهاي بايد-پيوند است..
انتخاب دو نزديكترين خوشه و ادغام آنها تا زماني كه دو خوشه براي ادغام وجود دارند.
فهرست مطالب و اسلایدها
مقدمه ای بر خوشه بندی
ارزیابی خوشه بندی
خوشه بندی مقید
چالشها و راهکارها
پژوهش های انجام شده