دانلود پاورپوینت مقدمه ای بر خوشه بندی و بررسی چالش‌های موجود در خوشهبندی مقید

\n

خوشهبندی مقید Constrained Clustering

\n

\n

عنوان های پاورپوینت  : 

\n

\n

مقدمه ای بر خوشه بندی و بررسی چالش‌های موجود در خوشهبندی مقید

\n

خوشهبندی مقید Constrained Clustering

\n

فهرست مطالب

\n

خوشهبندی

\n

روشهای خوشهبندی (دسته بندی)

\n

ارزیابی کلاسترینگ

\n

ویژگیهای یک معیار ارزیابی مناسب (4 شرط)

\n

ارزیابی کلاسترینگ (کیفیت خوشه بندی انجام شده؟)

\n

مسائل مطرح خوشهبندی

\n

استفاده از اطلاعات جانبی در خوشهبندی

\n

خوشهبندی مقید (دستهبندی)

\n

مزایا و مشکلات استفاده از قیدها در خوشهبندی

\n

چالش‌های موجود در خوشهبندی مقید

\n

خوشهبندی مقید با رویکرد انتخاب فعال قیدها

\n

خوشه بندی مقید

\n

مدل خطی رویکرد دوم

\n

مدل غیرخطی رویکرد دوم

\n

انتخاب فعال قیدها (مستقل از الگوریتم خوشه بندی مقید)

\n

انتخاب فعال قیدها

\n

نگاه تکرارشونده به حل مساله در ادامه راه

\n

منابع

\n \n\n \n\n

---

\n\nقسمت ها و تکه های اتفاقی از فایل\n\n \n\nاستفاده از اطلاعات جانبی در خوشهبندی\n\nاطلاعات جانبی\n\nساختار دادهها\n\nهدف خوشهبندی\n\nشکل خوشهها\n\nبیشینه اندازه خوشهها\n\nحداکثر اعضای هر خوشه\n\nقیدهای در سطح نمونه\n\nقیدهای باید-پیوند Must-link)ML)\n\nقیدهای نفی-پیوند Cannot-link)CL)\n\nقابلیت این قیدها در تعریف قیدهای پیچیده تر\n\nقید وجود حداقل یک همسایه در فاصله ε: با ایجاد قید باید-پیوند میان هر داده و حداقل یکی از نقاط موجود در همسایگی ε\n\nخوشهبندی مقید (دستهبندی )\n\nمبتنی بر ارضاء قید:\n\nارضاء سخت:\n\nارضاء تمامی قیدها به طور کامل\n\nرویکرد جستجوی حریصانه، عدم یافتن یک جواب ممکن برای مساله حتی در صورت وجود جواب\n\nCOP-KMEANS [Wagstaff01]\n\nارضاء نرم: تا حد ممکن سعی در ارضاء قیدها دارند.\n\nخوشهبندی مقید (دستهبندی)\n\nسلسله مراتبی:\n\nبا تغییر الگوریتم‌های خوشهبندی سلسلهمراتبی قابلیت برآورده کردن قیدها را نیز در آنها تعبیه می‌نمایند.\n\nخوشهبندی با ساختن دندروگرامی از دادهها\n\nروش پایه:\n\nابتدا هر داده به عنوان یک خوشه درنظر گرفته می شود.\n\nعمل ادغام خوشهها تا هنگامی که ادغام آنها هیچ قیدی را نقض نکند\n\nروش Davidson [Davidson05]\n\nابتدا بستارهای تراگذری مربوط به قیدهای باید-پیوند (ML) محاسبه می‌شود\n\nخوشهبندی را با X1+r خوشه آغاز می‌نماید کهX1  تعداد نمونههایی است که هیچ قید باید-پیوندی بر روی آنها اعمال نشده و  r تعداد اجزاء همبند حاصل از قیدهای باید-پیوند است..\n\nانتخاب دو نزدیکترین خوشه و ادغام آنها تا زمانی که دو خوشه برای ادغام وجود دارند.\n\nخوشهبندی مقید (دستهبندی)\n\nتغییر ماتریس فاصله\n\nاستفاده از اطلاعات قیدها قبل از خوشهبندی برای تغییر ماتریس فاصله و استفاده از آن در خوشهبندی نهایی\n\nروش Klein [Klein02]\n\nخوشهبندی مقید (دستهبندی)\n\nیادگیری معیار فاصله به عنوان محبوب‌ترین روش خوشهبندی مقید\n\nمعیار فاصله اقلیدسی به عنوان معیار فاصله متداول در فرایند خوشهبندی\n\nناکارامدی معیار فاصله اقلیدسی در توصیف صحیح فاصله در یک مجموعه داده نوعی\n\nمعیار فاصله ماهالانوبیس بسیار مورد توجه قرار گرفته است\n\nمزایا و مشکلات استفاده از قیدها در خوشهبندی\n\nمزایا\n\nافزایش میانگین دقت خوشهبندی [Wagstaff00]\n\nتولید خوشههایی به شکل دلخواه [Wagstaff01b]\n\nمشکلات\n\nشدنی بودن (Feasibility)\n\nمفید نبودن هر مجموعه ای از قیدها [Wagstaff06]\n\nچالش‌های موجود در خوشهبندی مقید\n\nبا وجود الگویتم های بسیار در خوشه بندی مقید چالشهایی در این حوزه وجود دارد که نیازمند تحقیق گسترده می باشد.\n\nچالش‌های موجود در خوشهبندی مقید\n\nمجموعه قیدهای متفاوت سودمندی متفاوتی برای الگوریتم‌های خوشهبندی دارند\n\nقیدهایی که الگوریتم خوشهبندی به خودی خود قادر به استخراج آن از دادهها باشد، تاثیر چندانی بر بهبود دقت خوشهبندی نخواهد داشت\n\nتعیین سودمندی یک مجموعه قید قبل از خوشهبندی\n\nبه الگوریتم خوشهبندی این قابلیت را می‌دهد که تصمیم بگیرد که آیا از یک مجموعه قید در راستای خوشهبندی استفاده نماید یا خیر.\n\nانتخاب بهترین مجموعه قید ممکن.\n\nاز 1000 بار انتخاب تصادفی مجموعه قیدهای 25 تایی، درصد مواردی که سبب کاهش دقت خوشهبندی در چند الگوریتم شده است. (جدول از [Davidson06])\n\nچالش‌های موجود در خوشهبندی مقید\n\nدر یک مجموعه داده با n نمونه، n(n-1)/2  قید کاندید برای انتخاب وجود دارد.\n\nانتخاب λ بهترین قید چگونه است؟\n\nبه گونه ای چالش اول را در خود دارد.\n\nرفع این چالش با معرفی معیارهای کارامد برای تعیین سودمندی یک مجموعه قید، سبب کاهش هزینه گردآوری قیدها میگردد.\n\nروشها\n\nانتخاب قیدها از میان L داده  (L<n) است که در آن هزینه گردآوری قیدها، فقط شامل برچسب‌گذاری L داده می‌باشد.\n\nپیمایش دورترین-اولین [Basu04]\n\nانتخاب فعال قیدها به کمک تشخیص نقاط مرزی  [Xu05]\n\nچالش‌های موجود در خوشهبندی مقید\n\nتمامی روش‌های خوشه بندی مقید بر این فرض استوارند که انتشار محلی اطلاعات قیدها به همسایهها ایمن بوده و می‌تواند سبب بهبود نتیجه خوشهبندی گردد.\n\nمسائل مهم:\n\nتشخیص ایمن بودن انتشار قید بر روی یک مجموعه داده خاص\n\nدرجه انتشار قید به همسایهها (تعیین شعاع همسایگی بهینه و ...\n\nخوشهبندی مقید با رویکرد انتخاب فعال قیدها\n\nمساله: خوشهبندی مقید با رویکرد انتخاب فعال قیدها\n\nنگاه تکرارشونده به حل مساله\n\n \n\n \n\n30 تا 70 درصد پروژه | پاورپوینت | سمینار | طرح های کارآفرینی و  توجیهی |  پایان-نامه |  پی دی اف  مقاله ( کتاب ) | نقشه | پلان طراحی |  های آماده به صورت رایگان میباشد ( word | pdf | docx | doc )