تکنیک خوشه بندی از مهم ترین تکنیک های داده کاوی و شاخه ای از تحلیل آماری چند متغیره بوده و روشی برای گروه بندی داده های مشابه در خوشه های یکسان است. با بزرگ تر شدن بانک های داده ای، تلاش محققان برای یافتن روش های خوشه بندی کارا و مؤثر متمرکز شده است تا از این راه بتوانند زمینه تصمیم گیری سریع و منطبق با واقعیت را فراهم آورند. بدین منظور، در این مقاله تکنیک خوشه بندی بهبود یافته سیستم کلونی مورچ...

خصوصیات گسترده هیدرولوژیکی در دسترس (داده های بارش، دما، جریان و مشخصات فیزیوگرافی حوضه ها) می توانند برای استخراج حوضه های مشابه هیدرولوژیکی مورد استفاده قرار گیرند. در این تحقیق از یک الگوریتم خوشه بندی در روش تحلیل خوشه ای به عنوان یک روش جدید و کارامد، برای گروه بندی حوضه های آبخیز به چندین گروه یا خوشه استفاده شد. به منظور درک تشابه هیدرولوژیکی از 28 ویژگی (توصیف‌گر) موقعیت جغرافیایی، فیزی...

امروزه با رشد و توسعه ی سیستم های سنجش از دور و تولید داده های فراطیفی با قدرت تفکیک طیفی بالا انتظار می رود که شناسایی پدیده ها با دقت بیشتری انجام گیرد و دقت خوشه بندی کلاس های پوشش زمینی مشابه افزایش یابد. با وجود چنین پیشرفتی، اطلاعات طیفی با ابعاد زیاد همچنان مسئله ای چالش برانگیز در پردازش و تجزیه و تحلیل داده قلمداد می شود، به گونه ای که با افزایش ابعاد داده، دقت خوشه بندی تا یک حد آستان...

تخمین عیار یکی از مراحل حیاتی در بررسی‌های فنی و اقتصادی معادن است. بنابراین یافتن روشی که بتواند این مقادیر را با دقت بالا تخمین بزند یک ضرورت به شمار می‌رود. در این مطالعه، یک الگوریتم فازی عصبی تطبیقی به منظور تخمین عیار آهن کانسار های اسکارنی به کار رفته است. این الگوریتم در حقیقت یک سیستم فازی می‌باشد که باید توابع عضویت آن توسط داده‌های آموزشی تنظیم گردد. قابل ذکر است که تعریف توابع عضویت...

خوشه بندی یکی از تکنیک های اصلی داده کاوی است. خوشه بندی فرایندی است که مجموعه داده ها را داخل گروه هایی طبقه بندی می کند. در خوشه بندی داده های موجود در یک خوشه بیشترین شباهت را به هم دارند و داده های موجود در دو خوشه متفاوت بیشترین تفاوت را با هم دارند. الگوریتم های خوشه بندی با توجه به نوع داده ها به دو دسته تقسیم می شوند: الگوریتم های خوشه بندی داده های عددی و الگوریتم های خوشه بندی داده ها...

خوشه بندی قرار دادن داده ها در گروه هایی است، که اعضای هر گروه از زاویه ی خاصی شبیه یکدیگرند، بطوریکه شباهت درون هر خوشه حداکثر و شباهت بین داده های درون خوشه های متفاوت، حداقل باشد خوشه بندی فرآیند یادگیری . بدون ناظر است که از قبل هیچ دانشی درباره برچسب داده ها ندارد. روش های زیادی برای خوشه بندی وجود دارد که می توان آنها را به روش های افرازبندی و سلسله مراتبی تقسیم کرد. در این پایان نامه از ...

One of the main issues in fuzzy clustering is to determine the number of clusters that should be available before clustering and selection of different values for the number of clusters will lead to different results. Then, different clusters obtained from different number of clusters should be validated with an index. But so far such an index has not been introduced for interval type-2 fuzzy C...

با توجه به اهمیت و کاربرد سیستم طبقه بندی امتیاز توده سنگ در مهندسی سنگ، هدف از این مقاله تصحیح کلاس های نهایی این سیستم طبقه بندی با استفاده از الگوریتم های خوشه بندی k-means و fuzzy c-means (fcm) است. در سیستم طبقه بندی امتیاز توده سنگ داده ها توسط یک سری از اطلاعات اولیه بر مبنای نظریات و قضاوت های تجربی طبقه بندی می شوند ولی با کاربرد الگوریتم های خوشه بندی در این سیستم طبقه بندی، کلاس بندی...