شبیه سازی آموزشی مقاله روش خوشه بندی فازی آنتروپی نسبی با متلب

توضیحات

شبیه سازی مقاله روش خوشه بندی فازی آنتروپی نسبی با متلب

چکیده مقاله:

وظیفه اصلی روش های خوشه بندی، به ویژه روش های فازی، این است که ببینیم آیا گروه بندی طبیعی در داده ها وجود دارد یا نه و هویت آنها بر روی آنها قرار می گیرد. در برخی موارد، داده ها در چندین سایت داده ذخیره می شوند و برای کشف ساختارهای جهانی، روش های خوشه بندی باید از وابستگی ها در تمام سایت های داده آگاهی داشته باشند. روش های خوشه بندی فازی همکارانه پیشنهاد شده است و به طور گسترده ای مورد نیاز برای پاسخگویی به این نیاز است. در این مقاله، روش جدید خوشه بندی فازی مشارکتی پیشنهاد شده است. در این روش، مفهوم انتروپی نسبی به عنوان روش ارتباطی مورد استفاده قرار می گیرد، روش جدید برای محاسبه ضریب تعامل بین سایت های داده، و حالت افقی و عمودی روش پیشنهادی مورد بحث قرار گرفته است. عملکرد روش پیشنهادی با استفاده از چندین آزمایش ارزیابی می شود و نتایج نشان می دهد که دارای بالاترین کیفیت همکاری است و می تواند داده ها را به طور موثر تر طبقه بندی کند.

خلاصه پروژه:

روش خوشه­ بندی ارائه شده در این مقاله براساس روشی فازی است که آنتروپی نسبی نیز بعنوان همکار و یاری­رسانده به روش فازی بکار گرفته شده است. همانطور که می­دانید وظیفه­ی اصلی متدهای خوشه­ بندی، مخصوصاً متدهای فازی، پیدا کردن دسته و گروه­های ذاتی و طبیعی موجود در داده­هاست. در بعضی شرایط، داده­های یک مجموعه­ی داده(dataset) در چندین سایت­های داده(data site) ذخیره می­شوند که متدهای خوشه ­بندی فازی مجبور است که از وابستگی­ بین این سایت­های داده اطلاع داشته باشد. متدهای خوشه­ بندی فازی اشتراکی(به کمک یک الگوریتم دیگر عمل خوشه بندی ادامه و بهبود یابد). در این مقاله از آنتروپی نسبی برای این منظور استفاده شده است.

فرض کنید که D[1]، D[2]، …، D[P] دیتاسایت داشته باشیم که هریک از این دیتاسایت­ها N[1]، …، N[P] داده داشته باشد. متد ارائه شده در این مقاله از دو فاز تشکیل شده است : فاز نخست، که اجرای الگوریتم FCM(Fuzzy C-means Clustring) می­باشدکه بطور خیلی ساده بر روی هریک از دیتاسایت­ها اجرا می­شود. در فاز دوم این متد ما به دنبال این هستیم که این دیتا سایت­ها را باهم مرتبط کنیم و به سمت یک راه­حل بهینه برویم. در این متد منظور از راه­حل بهینه پیدا کردن بهترین درجه عضویت( ) برای تک تک داده­هاست.

متدهای مربوط به خوشه­ بندی فازی اشتراکی(CFC) در دو حالت ارائه می­شوند : حالت عمودی و حالت افقی. در حالت افقی(HCFC)، هر دیتاسایتی الگو داده­ای یکسانی دارند اما فضای ویژگی­های آنها یا بعبارتی دیگر تعداد بعد آنها باهم متفاوت است، در مقابل در حالت عمودی(VCFC)، دیتاسایت­ها شامل داده­های مختلف اما در فضای ویژگی یکسانی می­باشد.

شبیه سازی مقاله روش خوشه بندی فازی آنتروپی نسبی با متلب توسط کارشناسان گروه ۱.۲.۳ پروژه پیاده سازی گردیده و به تعداد محدودی قابل فروش می باشد.

• فایلهای پروژه به صورت کامل پس از خرید فایل بلافاصله در اختیار شما قرار خواهد گرفت.