خوشه‌بندی مقید ( ppt )
خوشه‌بندی مقید ( ppt )
لینک دانلود و خرید پایین توضیحات
دسته بندی : پاورپوینت
نوع فایل : powerpoint (..ppt) ( قابل ویرایش و آماده پرینت )
تعداد اسلاید : ۳۴ اسلاید
قسمتی از متن powerpoint (..ppt) :
خوشه‌بندی مقید Constrained Clustering
۲
فهرست مطالب
مقدمه ای بر خوشه بندی
ارزیابی خوشه بندی
خوشه بندی مقید
چالشها و راهکارها
پژوهش های انجام شده
۳
خوشه‌بندی
خوشه‌بندی
گروه‌بندی داده‌ها به گونه‌ای که خصوصیات مشترک بین داده‌های هر گروه زیاد و خصوصیات مشترک بین گروه‌های متفاوت کم باشد.
سوال ۱: خصوصیات مشترک؟ چگونگی تشخیص خصوصیات؟
طیف وسیع کاربرد
یادگیری ماشین، هوش مصنوعی، الگوشناسی، وب کاوی، تحلیل پایگاه داده، پردازش متون و تصاویر، علوم پزشکی، علوم اجتماعی، اقتصاد و تجارت، علوم کامپیوتر، پزشکی
خوشه‌بندی به عنوان یک مساله مشکل
مهم‌ترین دلایل مشکل‌بودن مساله:
ذات بدون ناظر بودن الگوریتمهای خوشه‌بندی
ابهام در تعریف خوشه مناسب
مشکل بودن تعریف معیار فاصله مناسب
تعریف تابع هدف مناسب به منظور خوشه‌بندی
عدم وجود الگوریتم جامع برای حل همه مسائل خوشه‌بندی
۴
روشهای خوشه‌بندی (دسته بندی)
سلسله مراتبی
(BRICH)
خوشه‌بندی داده‌ها در یک ساختار سلسله‌مراتبی (دندروگرام)
Divisive هستند یا Agglomerative
افرازی
(K-Means)
تقسیم مجموعه داده به K افراز که هر افراز نماینده یک خوشه می‌باشد
افرازبندی بر حسب یک تابع هدف. تابع هدف؟
طیفی
(Spectral)
استفاده از اطلاعات ویژه ماتریس شباهت داده‌ها جهت خوشه‌بندی
ماتریس شباهت داده‌ها؟ حجم بالای محاسبات.
مبتنی بر شبکه
(STING)
تشکیل ساختار شبکه‌ای در فضای داده‌ها
زمان پردازش پایین و عدم وابستگی به تعداد داده‌ها. ساخت شبکه؟
مبتنی بر چگالی
(DBSCAN)
استفاده از چگالی توزیع داده‌ها جهت تشخیص و بسط خوشه‌ها
مدیریت نویز در داده‌ها
ارزیابی کلاسترینگ
چند مساله
تمایل به خوشه بندی شدن داده؟
آیا یک ساختار غیر تصادفی در داده وجود دارد؟
استفاده از تستهای آماری
تعداد خوشه ها؟
برخی الگوریتم ها نیاز به دانستن تعداد خوشه ها قبل از خوشه بندی دارند.
راهکارهای تقسیم و ادغام با معیارهایی از قبیل واریانس درون و برون خوشه ای
کیفیت خوشه بندی انجام شده؟
خوشه بندی انجام شده چقدر خوب است؟
ارائه معیارهای ارزیابی مناسب
۵
