روش پیشنهادی (ادامه)

فهرست عناوین اصلی در این پاورپوینت

فهرست عناوین اصلی در این پاورپوینت

● فهرست مطالب
● مقدّمه
● خوشه‌بندی
● خوشه‌بندی مبتنی بر چگالی
● DBSCAN
● DBSCAN (ادامه)
● توسعهٔ DBSCAN برای داده‌های عظیم
● الگوریتم پیشنهادی
● روش پیشنهادی (ادامه)
● تقسیم فضای داده
● تقسیم فضای داده (ادامه)
● خوشه‌بندی محلّی KNNCA
● خوشه‌بندی محلّی KNNCA (ادامه)
● ادغام نتایج
● مجموعه داده‌ها
● مجموعه داده‌های ساختگی
● معیارهای ارزیابی
● ارزیابی خوشه‌بندی داده‌های هلال‌ها
● ارزیابی خوشه‌بندی داده‌های آتش‌بازی
● ارزیابی خوشه‌بندی توزیع‌شده
● جمع‌بندی
● کارهای آینده
● مراجع
● ارزیابی-معیار ارزیابی شاخص تصادفی تعدیل‌شده(ARI)
● ارزیابی-معیار ارزیابی اطّلاعات متقابل تعدیل‌شده(AMI)
● ارزیابی-معیارهای همگن بودن، کامل بودن و امتیاز v
● ارزیابی-معیار ارزیابی ضریب سایه

عبارات مهم استفاده شده در این مطلب

عبارات مهم استفاده شده در این مطلب

خوشه بندی, روش پیشنهادی, کارهای اینده, ادبیات موضوع روش, مروری ادبیات موضوع, مروری ادبیات, ارزیابی نتیجه گیری, موضوع روش پیشنهادی, گیری کارهای اینده, نتیجه گیری, ادبیات موضوع, ارزیابی نتیجه, مقدمه مروری ادبیات, مقدمه مروری,

نوع زبان: فارسی حجم: 4.89 مگا بایت
نوع فایل: اسلاید پاورپوینت تعداد اسلایدها: 36 صفحه
سطح مطلب: نامشخص پسوند فایل: pptx
گروه موضوعی:  زمان استخراج مطلب: 2019/01/05 06:40:01

لینک دانلود رایگان لینک دانلود کمکی

 

توجه: این مطلب در تاریخ 2019/01/04 02:22:56 به صورت خودکار از فضای وب آشکار توسط موتور جستجوی پاورپوینت جمع آوری شده است و در صورت اعلام عدم رضایت تهیه کننده ی آن، طبق قوانین سایت از روی وب گاه حذف خواهد شد. این مطلب از وب سایت زیر استخراج شده است و مسئولیت انتشار آن با منبع اصلی است.

http://cdn.itrc.ac.ir/fazli/Big.Data/931024/Neshasthaye.Takhasosi/Karbordha%26Rahkarhaye.Modiriyate.Dadehaye.Azim/Dr.Akbari.Mohandes.Mehraban.Mohandes.Pishgoo/AdelMehraban.pptx

 

در صورتی که محتوای فایل ارائه شده با عنوان مطلب سازگار نبود یا مطلب مذکور خلاف قوانین کشور بود لطفا در بخش دیدگاه (در پایین صفحه) به ما اطلاع دهید تا بعد از بررسی در کوتاه ترین زمان نسبت به حدف با اصلاح آن اقدام نماییم. جهت جستجوی پاورپوینت های بیشتر بر روی اینجا کلیک کنید.

 

عبارات پرتکرار و مهم در این اسلاید عبارتند از: خوشه بندی, روش پیشنهادی, کارهای اینده, ادبیات موضوع روش, مروری ادبیات موضوع, مروری ادبیات, ارزیابی نتیجه گیری, موضوع روش پیشنهادی, گیری کارهای اینده, نتیجه گیری, ادبیات موضوع, ارزیابی نتیجه, مقدمه مروری ادبیات, مقدمه مروری,

مشاهده محتوای متنیِ این اسلاید ppt

مشاهده محتوای متنیِ این اسلاید ppt

۱ خوشه‌بندی انعطاف‌پذیر مبتنی بر چگالی داده‌های عظیم شبکه سعید عادل مهربان بشری پیشگو احمد اکبری فهرست مطالب مقدّمه مروری بر ادبیات موضوع روش پیشنهادی ارزیابی و نتیجه‌گیری کارهای آینده ۳ ۳ مقدّمه هدف پژوهش خوشه‌بندی داده‌های عظیم چالش‌های پردازش داده‌های عظیم محدودیت ذخیره‌سازی محدودیت پردازشی خرابی گره‌ها راه‌کارها توسعهٔ روش‌های کلاسیک برای سکّوهای پردازش داده‌های عظیم ۴ ۳ مقدّمه مروری بر ادبیات موضوع روش پیشنهادی ارزیابی و نتیجه‌گیری کارهای آینده خوشه‌بندی مفهوم کلّی خوشه‌بندی شباهت نمونه‌های یک خوشه به هم تفاوت نمونه‌های خوشه‌های مختلف ۵ ۳ دسته‌بندی روش‌های خوشه‌بندی جزءبندی مبتنی بر چگالی سلسله‌مراتبی روش‌های دیگر kmeans dbscan agglomerative divisive subscpace … evolutionary مقدّمه مروری بر ادبیات موضوع روش پیشنهادی ارزیابی و نتیجه‌گیری کارهای آینده خوشه‌بندی مبتنی بر چگالی مزایای خوشه‌بندی مبتنی بر چگالی جهت خوشه‌بندی داده‌های شبکه توانایی شناسایی خوشه‌هایی با هر شکل عدم نیاز به آگاهی از تعداد خوشه‌ها برتری کیفی بر روش‌های دیگر در خوشه‌بندی این نوع داده ۶ ۳ مقدّمه مروری بر ادبیات موضوع روش پیشنهادی ارزیابی و نتیجه‌گیری کارهای آینده dbscan الگوریتم dbscan بررسی نمونه‌ها در یک شعاع محدود پارامتر eps شناسایی نمونه‌هایی با حداقل چگالی پارامتر minpts و گسترش خوشه‌ها ester kriegel et al. ۱۹۹۶ ۷ ۳ مقدّمه مروری بر ادبیات موضوع روش پیشنهادی ارزیابی و نتیجه‌گیری کارهای آینده dbscan ادامه مزایا امکان پیدا کردن خوشه‌هایی با هر توزیع عدم نیاز به آگاهی از تعداد خوشه‌ها امکان شناسایی نویز معایب امکان ادغام خوشه‌های نزدیک به هم عدم امکان تشخیص خوشه‌های دارای چگالی مختلف به صورت هم‌زمان نیاز به تخمین چگالی خوشه‌ها برای تنظیم پارامترها ۸ ۳ مقدّمه مروری بر ادبیات موضوع روش پیشنهادی ارزیابی و نتیجه‌گیری کارهای آینده توسعهٔ dbscan برای داده‌های عظیم چارچوب مورد استفاده ۱. تقسیم فضا به نواحی دارای هم‌پوشانی شکل راست ۲. خوشه‌بندی داده‌های هر ناحیه به صورت مجزّا ۳. ادغام نتایج نواحی مختلف با توجّه به نقاط موجود در هم‌پوشانی‌ها هدف رسیدن به نتیجهٔ روش کلاسیک برای داده‌های عظیم bi ru and lin ۲ ۱۲ he tan et al. ۲ ۱۴ ۹ ۳ الگوریتم پیشنهادی روش خوشه‌بندی خوشه‌بندی مبتنی بر چگالی تمرکز بر خوشه‌هایی با چگالی متفاوت knnca چارچوب پردازش توزیع‌شده نگاشت‌کاهش رویکرد انتخابی تقسیم فضا و خوشه‌بندی محلّی ۱ ۳ مقدّمه مروری بر ادبیات موضوع روش پیشنهادی ارزیابی و نتیجه‌گیری کارهای آینده روش پیشنهادی ادامه تقسیم فضا جهت ممکن کردن پردازش داده‌ها در یک گره خوشه‌بندی داده‌های هر قسمت در یک گره ادغام نتایج خوشه‌های قسمت‌های مختلف ۱۱ ۳ مقدّمه مروری بر ادبیات موضوع روش پیشنهادی ارزیابی و نتیجه‌گیری کارهای آینده تقسیم فضا خوشه‌بندی محلّی ادغام نتایج برچسب‌زنی نهایی تقسیم فضای داده تقسیم فضا جهت حفظ همسایگی شروع تقسیم با کل فضا شکستن قسمت‌هایی با جمعیت بیشتر از max samples در هر گام تصمیم‌گیری برای شکستن یک قسمت انتخاب محور شکست انتخاب نقطهٔ شکست انتخاب محور شکست انتخاب نقطهٔ شکست واریانس نمونه‌ها طول محور وسط محور vm lm میانگین نمونه‌ها va la ۱۲ ۳ مقدّمه مروری بر ادبیات موضوع روش پیشنهادی ارزیابی و نتیجه‌گیری کارهای آینده تقسیم فضای داده ادامه ملاحظات انتخاب محور توزیع نمونه‌ها در زیرقسمت‌های حاصل تعداد نمونه‌های مرزی حاصل طول محور واریانس نمونه‌ها در طول محور ۱۳ ۳ مقدّمه مروری بر ادبیات موضوع روش پیشنهادی ارزیابی و نتیجه‌گیری کارهای آینده تقسیم فضای داده ادامه ملاحظات انتخاب نقطهٔ شکست توزیع متناسب نمونه‌ها در زیرقسمت‌ها تعداد نمونه‌های مرزی حاصل وسط محور میانگین نمونه‌ها ۱۴ ۳ مقدّمه مروری بر ادبیات موضوع روش پیشنهادی ارزیابی و نتیجه‌گیری کارهای آینده خوشه‌بندی محلّی knnca تمرکز بر رویکرد تفکّر انسانی در هوش مصنوعی رفع محدودیت شعاع گسترش و همسایگی نمونه‌ها تخمین چگالی نمونه‌ها به صورت محلّی گسترش خوشه‌ها با توجّه به اختلاف چگالی ۱۵ ۳ مقدّمه مروری بر ادبیات موضوع روش پیشنهادی ارزیابی و نتیجه‌گیری کارهای آینده خوشه‌بندی محلّی knnca ادامه بررسی k همسایه بدون محدودیت در شعاع همسایگی ۱۶ ۳ مقدّمه مروری بر ادبیات موضوع روش پیشنهادی ارزیابی و نتیجه‌گیری کارهای آینده خوشه‌بندی محلّی knnca ادامه چگالی تخمینی هر نمونه استفاده از مفاهیمی مثل میانگین یا میانهٔ فاصله تا همسایه‌ها ۱۷ ۳ مقدّمه مروری بر ادبیات موضوع روش پیشنهادی ارزیابی و نتیجه‌گیری کارهای آینده خوشه‌بندی محلّی knnca ادامه گسترش خوشه با توجّه به اختلاف چگالی ۱۸ ۳ مقدّمه مروری بر ادبیات موضوع روش پیشنهادی ارزیابی و نتیجه‌گیری کارهای آینده خوشه‌بندی محلّی knnca ادامه تعیین شعاع گسترش با توجّه به چگالی محلّی ۱۹ ۳ مقدّمه مروری بر ادبیات موضوع روش پیشنهادی ارزیابی و نتیجه‌گیری کارهای آینده خوشه‌بندی محلّی knnca ادامه پویایی شعاع گسترش خوشه‌ها وابستگی شعاع گسترش به فاصله با همسایه‌ها ۲ ۳ مقدّمه مروری بر ادبیات موضوع روش پیشنهادی ارزیابی و نتیجه‌گیری کارهای آینده خوشه‌بندی محلّی knnca ادامه اختلاف چگالی زیاد نمونه‌های نویز با همسایه‌ها ۲۱ ۳ مقدّمه مروری بر ادبیات موضوع روش پیشنهادی ارزیابی و نتیجه‌گیری کارهای آینده ادغام نتایج تداخل شعاع گسترش نمونه‌های مرزی با مرز قسمت‌ها تجمیع نمونه‌های مرزی، شعاع گسترش و برچسب محلّی آن‌ها ادغام خوشهٔ هر نمونه با نمونه‌های داخل شعاع گسترش آن ۲۲ ۳ مقدّمه مروری بر ادبیات موضوع روش پیشنهادی ارزیابی و نتیجه‌گیری کارهای آینده مجموعه داده‌ها مجموعه داده‌های به کار رفته در ارزیابی خوشه‌بندی محلّی داده‌های ساختگی مجموعه داده به کار رفته برای ارزیابی توزیع‌شده زیرمجموعه‌ای از kddcup۹۹ کاربرد تشخیص ناهنجاری نام مجموعه داده تعداد خصیصه‌ها تعداد خوشه‌ها تعداد نمونه‌ها بیشترین اختلاف چگالی آتش‌بازی ۲ ۷ ۱۴ ۷ برابر هلال‌ها ۲ ۷ ۷ ۸ برابر نام مجموعه داده تعداد خصیصه‌ها تعداد خوشه‌ها تعداد نمونه‌ها kdd۹۹ subset ۱۵ ۲ ۱ ۲۳ ۳ مقدّمه مروری بر ادبیات موضوع روش پیشنهادی ارزیابی و نتیجه‌گیری کارهای آینده مجموعه داده‌های ساختگی تمرکز بر خوشه هایی با شکل دلخواه تمرکز بر خوشه‌هایی با چگالی متفاوت ۲۴ ۳ معیارهای ارزیابی شاخص تصادفی تعدیل‌شده ari نشان‌دهندهٔ میزان همگرایی نتایج در بازهٔ ۱ ۱ وابسته به برچسب خوشه‌بندی و برچسب واقعی جفت نمونه‌ها کامل بودن نشانگر پخش شدن نمونه‌های یک کلاس در خوشه‌های مختلف در بازهٔ ۱ همگن بودن نشانگر خلوص خوشه‌ها در بازهٔ ۱ امتیاز v میانگین هارمونیک همگن بودن و کامل بودن نتایج خوشه‌بندی در بازهٔ ۱ ۲۵ ۳ مقدّمه مروری بر ادبیات موضوع روش پیشنهادی ارزیابی و نتیجه‌گیری کارهای آینده ارزیابی خوشه‌بندی داده‌های هلال‌ها امکان شناسایی خوشه‌هایی با چگالی متفاوت بهبود نتایج خوشه‌بندی با استفاده از آمارگان داده جهت تقسیم فضا ۲۶ ۳ مقدّمه مروری بر ادبیات موضوع روش پیشنهادی ارزیابی و نتیجه‌گیری کارهای آینده dbscan h c v ari .۶۵ .۹۸ .۷۸ .۶۵ mr knnca vmp h c v ari ۱ .۹۹ .۹۹ .۹۹ mr knnca vap h c v ari ۱ .۹۹ .۹۹ .۹۹ mr knnca lmp h c v ari .۸۶ .۸۵ .۸۵ .۷۵ mr knnca lap h c v ari ۱ .۹۹ .۹۹ .۹۹ ارزیابی خوشه‌بندی داده‌های آتش‌بازی امکان شناسایی خوشه‌هایی با چگالی متفاوت بهبود نتایج خوشه‌بندی با استفاده از آمارگان داده جهت تقسیم فضا ۲۷ ۳ مقدّمه مروری بر ادبیات موضوع روش پیشنهادی ارزیابی و نتیجه‌گیری کارهای آینده dbscan h c v ari .۸۲ .۸۲ .۸۲ .۷۱ mr knnca vmp h c v ari .۹۵ .۹۱ .۹۳ .۹۴ mr knnca vap h c v ari .۹۵ .۹۱ .۹۳ .۹۴ mr knnca lmp h c v ari .۸۶ .۸۱ .۸۳ .۸ mr knnca lap h c v ari .۹۵ .۹۱ .۹۳ .۹۴ ارزیابی خوشه‌بندی توزیع‌شده مقایسهٔ نتایج mr knnca با dbscan برای داده‌های شبکه ۲۸ ۳ مقدّمه مروری بر ادبیات موضوع روش پیشنهادی ارزیابی و نتیجه‌گیری کارهای آینده dbscan h c v ari .۹۹ .۷۴ .۸۵ .۸۹ mr knnca vmp h c v ari .۸۳ .۳۹ .۵۴ .۵۶۹۹۹۹۹۹۹۹۹۹۹۹۹۹۵ mr knnca vap h c v ari .۸۲ .۵۳ .۶۴ .۷۱ mr knnca lmp h c v ari .۸۳ .۴۶ .۵۹ .۶۸ mr knnca lap h c v ari .۸۳ .۵۴ .۶۵ .۷۲ جمع‌بندی ارائهٔ یک روش خوشه‌بندی knnca توسعهٔ روش خوشه‌بندی mr knnca در چارچوب نگاشت‌کاهش استفاده از آمار موجود در داده‌ها جهت تقسیم فضا ۲۹ ۳ مقدّمه مروری بر ادبیات موضوع روش پیشنهادی ارزیابی و نتیجه‌گیری کارهای آینده کارهای آینده استفاده از خاصیت انعطاف‌پذیری برای تغییر چارچوب خوشه‌بندی بهبود مرحلهٔ ادغام مقاوم‌سازی در برابر نویز استفاده از آمارگان بیشتر در تقسیم فضا ۳ ۳ مقدّمه مروری بر ادبیات موضوع روش پیشنهادی ارزیابی و نتیجه‌گیری کارهای آینده مراجع ankerst m. m. m. breunig h. p. kriegel ۲۴۶ and r. sander ۱۹۹۹ . optics ordering points to identify the clustering structure. sigmod rec. ۲۸ ۲ ۴۹ ۶ . bi ru d. and i. c. lin ۲ ۱۲ . efficient map reduce based dbscan algorithm with optimized data partition. cloud computing cloud ۲ ۱۲ ieee ۵th international conference on. ester m. h. p. kriegel j. sander and x. xu ۱۹۹۶ . a density based algorithm for discovering clusters in large spatial databases with noise. kdd. he y. h. tan w. luo s. feng and j. fan ۲ ۱۴ . mr dbscan a scalable mapreduce based dbscan algorithm for heavily skewed data. frontiers of computer science ۸ ۱ ۸۳ ۹۹. peng l. z. dong and w. naijun ۲ ۷ . vdbscan varied density based spatial clustering of applications …

کلمات کلیدی پرکاربرد در این اسلاید پاورپوینت: خوشه بندی, روش پیشنهادی, کارهای اینده, ادبیات موضوع روش, مروری ادبیات موضوع, مروری ادبیات, ارزیابی نتیجه گیری, موضوع روش پیشنهادی, گیری کارهای اینده, نتیجه گیری, ادبیات موضوع, ارزیابی نتیجه, مقدمه مروری ادبیات, مقدمه مروری,

این فایل پاورپوینت شامل 36  اسلاید و به زبان فارسی و حجم آن 4.89 مگا بایت است. نوع قالب فایل pptx بوده که با این لینک قابل دانلود است. این مطلب برگرفته از سایت زیر است و مسئولیت انتشار آن با منبع اصلی می باشد که در تاریخ 2019/01/05 06:40:01 استخراج شده است.

http://cdn.itrc.ac.ir/fazli/Big.Data/931024/Neshasthaye.Takhasosi/Karbordha%26Rahkarhaye.Modiriyate.Dadehaye.Azim/Dr.Akbari.Mohandes.Mehraban.Mohandes.Pishgoo/AdelMehraban.pptx

  • جهت آموزش های پاورپوینت بر روی اینجا کلیک کنید.
  • جهت دانلود رایگان قالب های حرفه ای پاورپوینت بر روی اینجا کلیک کنید.

رفتن به مشاهده اسلاید در بالای صفحه

دیدگاهتان را بنویسید

نشانی ایمیل شما منتشر نخواهد شد. بخش‌های موردنیاز علامت‌گذاری شده‌اند *