جستجوی نزدیکترین همسایه یکی از پرس وجوهای مهم در مدیریت داده ها و هندسه محاسباتی است. داده ها در دنیای واقعی تحت تاثیر عوامل مختلفی چون اختلال، خطا در انتقال و یا امنیت داده ها به صورت غیرقطعی در پایگاه داده ذخیره می شوند. در مسئله جستجوی نزدیکترین همسایه در شرایط عدم قطعیت به دنبال گزارش داده هایی هستیم که با احتمال بزرگتر از صفر نزدیکترین همسایه (نزدیکترین همسایه غیرصفر) پرس وجو هستند. فرض کن...

مسئله جستجوی k نزدیک‌ترین همسایه تقریبی در ابعاد بالا یک مسئله کلاسیک در هندسه محاسباتی، شباهت تصویر و سایر زمینه‌های مشابه می‌باشد. در این مسئله، یک مجموعه داده متشکل از n نقطه در فضای d بعدی و یک پارامتر k داریم، هدف پیش‌پردازش مجموعه داده است به‌طوری‌که با داشتن یک نقطه پرس‌وجوی d بعدی Q داده‌شده بتوان k نقطه را یافت به‌طوری‌که k نزدیک‌ترین همسایه تقریبی به Q باشد. هدف این مقاله ارائه روشی ج...

در سال‏های اخیر تلاش¬های زیادی در زمینه¬ی استفاده از الگوریتم¬های ابتکاری در حل مسائل طبقه¬بندی و خوشه¬بندی صورت گرفته است. در این پایان¬نامه برای نخستین بار از الگوریتم جستجوی گرانشی که یکی از جدیدترین الگوریتم‏های ابتکاری مبتنی بر جمعیت است، در حل مسأله تولید نماینده برای طبقه‏بند k-نزدیک¬ترین همسایه استفاده شده است. به منظور بهبود عملکرد، راهکارهایی چون استفاده از «قانون رأی¬گیری اکثریت» و ا...

امروزه در بسیاری از شرکتها، پایگاه عظیمی از اطلاعات مشتریان براساس محصولات مختلف، کانال های فروش و مناطق مختلف جغرافیایی وجود دارد که میتوان از آنها برای رسیدن به دانش مناسب و تعامل با مشتری استفاده نمود. در این جهت بهترین روش استفاده از بازاریابی مستقیم است که معمولاً مشتریانی که انتخاب میشوند به وسیله تماس مستقیم پستی از محصولات جدید یا خدمات مطلع میشوند که در عمل این نوع بازاریابی باعث افزایش...

در این پایان نامه یک روش حل مسائل دسته بندی ارائه می شود. کرنلها در روشهای حل مسائل دسته بندی کاربرد بسیاری دارند. با استفاده از کرنل، داده ها به فضایی با ابعاد بالاتر انتقال داده می شوند. به طور ایده آل انتظار می رود که در این فضا داده های مشابه در کنار یکدیگر قرار بگیرند. نو آوری این پایان نامه در به کار گرفتن روش دسته بندی k نزدیکترین همسایه در این فضا است. این عمل از نظر تئوری عملکرد مناس...

وب داده به منظور ایجاد وب قابل فهم برای ماشین ها معرفی شده است که اتصالات معنادار بین موجودیت ها از ویژگی های اصلی آن است. یکی از مهم ترین اتصالات معنادار در وب داده، اتصالات همانندی است که بین موجودیت های همانند ایجاد می شود. شناسایی و اتصال موجودیت هایی که به یک موجودیت یکسان اشاره می کنند ولی دارای شناسه های یکتای منبع متفاوت هستند و در مجموعه داده های مختلفی قرار دارند، موجب می شود عامل ها ...

برآوردهای کمّی و دقیق از مشخصات توده های جنگلی، تضمینی بر مدیریت صحیح آن ها است. تصاویر سنجش از دور با توجه به اطلاعات مکانی دقیق و وسیع، همواره ابزاری مقرون به صرفه در مدیریت جنگل بوده و یکی از عمومی ترین کاربردهای تصاویر ماهواره ای در علم جنگلداری، طبقه بندی مشخصه های توده های جنگلی و تهیه نقشه های موضوعی آن ها است. در سال های اخیر روش های مختلف ترکیب داده های تصاویر سنجش از دور و داده های حاص...

تراکم (تعداد درختان در واحد سطح) یکی از مشخصه­‌های ساختاری مهم در توده­‌های جنگلی است که در درک پویایی جنگل مناسب است. روش kامین نزدیکترین همسایه (k-NN) یک روش فاصله‌­ای است که به‌طور متداول در آماربرداری جنگل برای برآورد مشخصه­‌های کمی به‌کار می­رود. در این مطالعه روش k-NN با پنج راهکار نزدیکترین فرد (NI)، نزدیکترین همسایه (NN)، جفت‌های تصادفی (RP)، چارک نقطه مرکز (PCQ) و همسایه چارکی (QN) برا...

استفاده از روش­های نمونه­برداری فاصله­ای در مدیریت جنگل­های زاگرس کاربرد گسترده­ای دارد. در تحقیق حاضر، برآورد ویژگی­های کمی روش­های نمونه برداری نزدیکترین فرد، نزدیکترین همسایه، دومین نزدیکترین همسایه، روش ترکیبی و نقطه مشترک مورد بررسی و مقایسه قرار گرفت. روش نمونه برداری نزدیکترین فرد با برآورد کننده­های morisita، byth & ripley و cottam et al. و روش نزدیکترین همسایه با برآورد کننده های byth ...

تراکم (تعداد درختان در واحد سطح) یکی از مشخصه­ های ساختاری مهم در توده­ های جنگلی است که در درک پویایی جنگل مناسب است. روش kامین نزدیکترین همسایه (k-nn) یک روش فاصله ­ای است که به طور متداول در آماربرداری جنگل برای برآورد مشخصه­ های کمی به کار می­رود. در این مطالعه روش k-nn با پنج راهکار نزدیکترین فرد (ni)، نزدیکترین همسایه (nn)، جفت های تصادفی (rp)، چارک نقطه مرکز (pcq) و همسایه چارکی (qn) برا...