داده کاوی و الگوریتمهای خوشه بندی

داده کاوی و الگوریتمهای خوشه بندی

نوع فایل: word   

تعداد صفحات: 102صفحه

داده کاوی فرایندی تکرارپذیر است که پیشرفت در آن با کاوش از طریق روش های خودکار یا دستی صورت می گیرد. به تعبیر بهتر داده کاوی تعامل همکاری بین انسان و کامپیوتر است.خوشه بندی یکی از بهترین روش هایی است که برای کار با داده ها ارائه شده است. خوشه بندی قابلیت ورود به فضای داده و تشخیص ساختارش را امکان پذیر می نماید. لذا به عنوان یکی از ایده آل ترین مکانیزم ها، برای کار با دنیای عظیم داده ها محسوب می شود.کاوش داده ها یکی از تکنیکهای حائز اهمیت رو به رشد معروف به داده کاوی اکتشافی می‏باشد که در علوم گوناگون مهندسی مختلف مورد استفاده قرار میگیرد. تحلیل داده ها زمینه مناسبی را برای بسیاری از کاربردهای محاسباتی فراهم آورده است. الگوریتم های خوشه بندی برای دستیابی به خلاصه سازی داده ها مورد استفاده و فرایند گروه بندی داده ها بر اساس شباهت میان آنها می باشد. خوشه بندی می تواند به عنوان یک مرحله پیش پردازش جهت استخراج کلاسهای الگو برای دسته بندی همراه با ناظر در مراحل بعدی مورد استفاده قرار گیرد. در این پایان نامه مفاهیم اصلی داده کاوی و مراحل الگوریتم های خوشه بندی، شبکه های عصبی مصنوعی، الگوریتم های خطا در مربع برای خوشه بندی، الگوریتم EM  خوشه بندی فازی و غیره مورد بحث و بررسی قرار می گیرد.

فصل اول: مقدمه

1-1- مقدمه

فصل دوم: تعاریف

2-1 تعاریف

2-2 ریشه های داده کاوی

2-3 فرآیند داده کاوی

2-4 انبارهای داده

2-5 الگوریتم کلاسترینگ

2-5-1 گامهای اساسی در انجام کلاسترینگ

2-5-2 انواع کلاسترینگ

2-6 کاربردهای خوشه بندی

2-7 نتیجه گیری

فصل سوم: داده کاوی

3-1 داده کاوی

3-2 مفاهیم داده کاوی