پایان نامه بررسی الگوریتم های خوشه بندی تجمیعی و شبیه سازی (70 صفحه فایل ورد)

        پایان نامه بررسی الگوریتم های خوشه بندی تجمیعی و شبیه سازی

چکیده

ازخوشه بندی درحوزه داده کاوی برای تحلیل ، گروه بندی یا طبقه بندی داده ها درخوشه هایی که اعضای ان ها خواص کمابیش یکسانی دارند ، استفاده می شود . خوشه بندی کاربردهای متعددی از تشخیص الگو ، روان شناﺴﻰ ، اقتصاد تا طبقه بندی ژنی ، پردازش تصویر و ... دارد . دراین پروژه چند الگوریتم خوشه بندی نسبتاً ساده ، کارامد و متداول ...

مقدمه. 1

1-1 داده کاوی.. 4

1-1-1 تاریخچه داده کاوی.. 5

1-1-2 داده کاوی چیست ؟. 6

1-1-4 ویژگی های داده کاوی.. 9

1-1-5 مزایای داده کاوی.. 9

1-1-6 مراحل داده کاوی.. 10

1-1-8 الگوریتم های داده کاوی.. 12

1-1-9  ابزارهای داده کاوی.. 13

1-1- 9-1 قابلیت‌های ابزار‌های داده کاوی.. 13

1-1-9-2 نرم افزارهای داده کاوی.. 16

1-1-10 کاربردهای داده کاوی.. 17

1-2-1 تاریخچه خوشه بندی.. 24

1-2-2 تعریف خوشه بندی.. 24

1-2-3 تحلیل خوشه بندی.. 25

1-2-4 مراحل خوشه بندی.. 31

1-2-5 فرایندهای خوشه بندی.. 32

1-2-6 کاربردهای خوشه بندی.. 34

1-2-7 مطالعه تکنیک های خوشه بندی.. 37

2-1 خوشه بندی سلسله مراتبی.. 40

2-2 خوشه بندی سلسله مراتبی تجمیعی.. 42

2-2-1 پیوند خوشه بندی.. 44

2-2-2 الگوریتم پیوند تک... 44

2-2-3 الگوریتم پیوند کامل.. 45

2-2-4 الگوریتم پیوند میانگین گروهی.. 45

2-2-5 الگوریتم پیوند میانگین وزن دار. 45

2-2-6 الگوریتم پیوند مرکزی.. 45

2-2-7 الگوریتم پیوند میانی.. 46

2-2-8 روش وارد. 46

2-3 پیشرفت اخیر. 46

2-3-1 الگوریتم BIRCH.. 47

2-3-2 الگوریتم CURE.. 49

2-3-3 الگوریتم ROCK.. 52

2-3-4 الگوریتم CHAMELEON.. 52

2-3-5 الگوریتم SLINK.. 54

2-3-6 الگوریتم های پیوند تک مبتنی بردرختان پوشای مینیمم.. 54

2-3-7 الگوریتم CLINK.. 55

2-4 روش های دیگر خوشه بندی سلسله مراتبی.. 56

3-1 نرم افزار MATLAB.. 59

3-2 اجرای برنامه کاربردی با Matlab. 60

ج - منابع و ماخذ. 67

دریافت فایل