هیأت علمی دانشکده
خدمات دانشجویان
خدمات کارکنان
خدمات دانش آموختگان
منو اصلی
دوباره تلاش كنيد
تور مجازی دانشگاه
!!!b1!!!
!!!b1!!!
درباره دانشکده
تاریخچه و فعالیت ها
مدیریت دانشکده
بروشور معرفی دانشکده
اسناد راهبردي
سند راهبردی علوم ریاضی
سند راهبردی توسعه علوم پایه
گالری تصاویر
حوزه آموزشی و تحصیلات تکمیلی
تقویم آموزشی 1401-1400
مقطع کارشناسی
مقطع کارشناسی ارشد
مقطع دکتری
برنامه هفتگی دروس
برنامه هفتگی نیمسال دوم 1401-1400
برنامه هفتگی نیمسال اول 1401-1400
برنامه هفتگی نیمسال دوم 1400-1399
برنامه هفتگی نیمسال اول 1400-1399
برنامه هفتگی نیمسال دوم 1399-1398
طرح دروس
دروس کارشناسی نیمسال دوم 1401-1400
دروس تحصیلات تکمیلی نیمسال دوم 1401-1400
دروس کارشناسی نیمسال اول 1401-1400
دروس تحصیلات تکمیلی نیمسال اول 1401-1400
دروس کارشناسی نیمسال دوم 1400-1399
فرآیندهای آموزشی پر کاربرد
دروس سرویس
ریاضی 1
ریاضی 2
معادلات دیفرانسیل
محاسبات عددی
قالبهای آماده زیپرشین
پیشنهادیه و رساله دکتری
Ph.D. Proposal
Ph.D. Thesis Template With Section
Ph.D. Thesis Template Without Section
پایان نامه کارشناسی ارشد
Master Thesis Template With Section
Master Thesis Template Without Section
حوزه پژوهشی
کتابخانه
آزمایشگاه کامپیوتر
آزمایشگاه محاسبات پیشرفته و ابررایانش
سخنرانیها و وبینارها
آیین نامه ها و فرم ها
اخلاق پژوهشی
منشور پژوهشی
موازین اخلاق پژوهشی
اخلاق نویسندگی
فونت
دانستنیهای پژوهشی
شاخصهای انتخاب مجلات
گزارش رتبه بندی های بین المللی
گروه های آموزشی
گروه ریاضی محض
گروه ریاضی کاربردی
گروه علوم کامپیوتر و آمار
اعضای دانشکده
اعضای هیأت علمی
همکاران ادواری
اعضای هیأت علمی پیشکسوت
کارکنان
دانشجویان
دانشجویان دکتری
دانشجویان ارشد
دانش آموختگان
دانش آموختگان دکتری
دانش آموختگان کارشناسی ارشد
حوزه اداری و مالی
معاون اداری و مالی
دبیرخانه
امور عمومی
ارتباط با ما
راهنمای تلفن
تماس با ما
ارتباط با ریاست دانشکده
×
گسترش خوشهبندی k-میانگین
بسمه تعالی
آگهی برگزاری جلسه حضوری دفاع از پایان نامه کارشناسی ارشد
زمان
: چهار شنبه 1400/10/01 ساعت 10:30
مکان:
سالن همایش
لینک ورود
:
https://meetbk.kntu.ac.ir/b/jj6-ndl-or7
کد دسترسی:036924
عنوان رساله
:
گسترش خوشهبندی k-میانگین
نام دانشجو
: مهشید نصیری
استاد راهنما
: دکتر عبدالرضا سیاره
استاد ارزیاب داخلی
: دکتر احد ملک زاده
استاد ارزیاب خارجی
: دکتر صدیقه زمانی مهریان
چکیده فارسی
با گسترش روز افزون حجم داده، تحلیل و بازیابی این حجم انبوه داده ضروری است، یکی از تکنیکهای اصلی در این زمینه، خوشهبندی است. خوشهبندی یکی از مسائل مهم دادهکاوی در کشف الگوهای پنهان در دادهها است که در فصل اول توضیح داده شده است. هنگامی که تعداد متغیرها بسیار زیاد باشد و با دادههای با بعد بالا مواجه باشیم، مسئله کاهش بعد نیز در کنار خوشه بندی، مطرح میشود. خوشهبندی، یکی از شاخههای یادگیری بدون نظارت میباشد و فرایند خودکاری است که در طی آن، نمونهها به دستههایی که اعضای آن مشابه یکدیگر میباشند تقسیم میشوند که به این دستهها خوشه گفته میشود. به بیان دیگر میتوان گفت که خوشهبندی قرار دادن دادهها در گروههایی است که اعضای هر گروه شبیه به یکدیگرندکه در فصل دوم به طور کامل توضیح داده شده است. در نتیجه شباهت بین دادههای درون هر خوشه حداکثر و شباهت بین خوشههای متفاوت حداقل میباشد. یکی از الگوریتمهای رایج خوشهبندی، الگوریتم k-میانگین است. علی رغم، محبوب بودن k-میانگین دارای چند عیب است، ازجمله، وابستگی نتایج خوشهبندی به انتخاب سرخوشههای اولیه، امکان به وجود آمدن خوشههای خالی و همچنین تعین تعداد خوشهها از قبل است. در بین این معایب، مشکل وابسته بودن نتایج خوشهبندی به انتخاب سرخوشههای اولیه، به دلیل داشتن پیامدهایی نظیر ایجاد خوشههای خالی و همگرایی کندتر، جدیتر است. همچنین، انتخاب سرخوشههای اولیه مناسب کاهش ناسازگاری خوشهها را در پی دارد. هرچه سرخوشههای اولیه به سرخوشههای حالت بهینه نزدیکتر باشند، نتایج خوشهبندی بهتر میشود. سایر مشکلات k-میانگین به جز تعیین تعداد خوشهها از قبل، با مقداردهی مناسب سرخوشههای اولیه قابل حل است که در فصل سوم به طور کامل در مورد آن توضیح داده شده است. که ما در این پایاننامه قصد داریم روش خوشهبندی k-میانگین را گسترش دهیم؛ همچنین در فصل چهار به اجرای شبیه سازی خوشهبندی k-میانگین، با استفاده از دادههای کاوی Iris پرداخته شده است
تعداد بازدید:
646
تاریخ:
1400/09/22
کلیه حقوق این پایگاه متعلق به دانشگاه خواجه نصیرالدین طوسی می باشد