چكيده:
كاوش خوشهها يكي از تكنيكهاي حائز اهميت در زمينه رو به رشد، معروف به داده كاوي اكتشافي مي باشد كه در رشتههاي گوناگون مهندسي و علمي از قبيل زيست شناسي، روان شناسي، پزشكي، بازاريابي، كامپيوتر و نقشه برداري ماهواره اي بكار گرفته شده است. تحليل خوشهها اطلاعات را به وسيله¬ي يك ساختار اساسي مختصر به دو شكل گروه بندي تنها يا گروه بندي سلسله مراتبي سازماندهي مي نمايد. خوشه بندي ابزاري براي اكتشاف ساختارهايي از درون دادهها است كه نياز يه هيچ فرضي از آنها نيست. اين روش در هوش مصنوعي و شناسايي الگو يادگيري بدون ناظر ناميده مي¬شود. الگوريتمهاي خوشه بندي گوناگوني براي استخراج دانش از درون مجموعه اطلاعات مختلف وجود دارد.
خوشه بندي استفاده از چندين كامپيوتر كه عموما از نوع كامپيوترهاي شخصي يا ايستگاههاي كاري يونيكس، رسانههاي ذخيره سازي چند گانه و به همديگر وصل شده هستند كه به كاربران به عنوان يك سيستم با دسترسي بالا به نظر ميرسد.خوشه بندي محاسبات ميتواند براي لود كردن با دسترسي بالا مورد استفاده قرار گيرد كه از فرم پردازش ماشين موازي به عنوان رابط با هزينه كم براي عمليات علمي و ساير برنامههاي كاربردي استفاده مي¬كند. تكنولوژي خوشه بندي كامپيوترها خوشههايي از سيستم را با يكديگر در ارتباط ميگذارد تا سيستمهايي با قابليت اعتماد و كارآيي بهتر را فراهم كند. سيستمهاي خوشه سرور گروهي از سرورها را به ترتيب به يكديگر متصل مي¬كند تا به طور هماهنگ پردازش سرويسها را براي كاربران در شبكه فراهم كند.
فهرست:
فصل اول: مفاهیم خوشه بندی
1 ـ 1 ـ مقدمهاي بر خوشهبندي
1 ـ 2 ـ خوشهبندي در مقابل طبقهبندي
1 ـ 3 ـ يادگيري با نظارت در مقابل يادگيري بدوننظارت
1 ـ 4 ـ خوشهبندي در مقابل چنديسازي برداري
1 ـ 5 ـ روشهاي خوشهبندي
1 ـ 5 ـ 1 ـ روشهاي خوشهبندي سلسله مراتبي
1 ـ 5 ـ 2 ـ خوشهبندي با روش Single-Link
1 ـ 5 ـ 3 ـ خوشهبندي با روش Complete-Link
1 ـ 5 ـ 4 ـ خوشهبندي با روش Average-Link
1 ـ 6 ـ ديگر روشهاي خوشه بندي سلسله مراتبي
1 ـ 6 ـ 1 ـ خوشهبندي با روش Ward
فصل دوم: الگوریتم های هوشمند خوشه بندی
2 ـ 1 ـ الگوريتم خوشهبندي پايين به بالاي عمومي
2 ـ 2 ـ روش خوشهبندي K-Means (C-Means يا C-Centeriod)
2 ـ 2 ـ 1 ـ مثالي براي روش خوشهبندي K-Means
2 ـ 2 ـ 2 ـ مشکلات روش خوشهبندي K-Means
2 ـ 3 ـ الگوريتم خوشهبندي LBG
2 ـ 3 ـ 1 ـ مثالي از الگوريتم خوشهبندي براساس چگالي DBSCAN
2 ـ 4 ـ الگوريتم سلسله مراتبي خوشهبندي براساس چگالي OPTICS
2 ـ 5 ـ مزاياي خوشهبندي بر اساس چگالي
2 ـ 6 ـ بررسي تکنيکهاي اندازهگيري اعتبار خوشهها
2 ـ 7 ـ الگوریتم خوشهبندی c میانگین (Fuzzy c-mean)
2 ـ 7 ـ 1 ـ مراحل الگوریتم
2 ـ 7 ـ 2 ـ نقاط قوت الگوریتم c میانگین فازی
2 ـ 7 ـ 3 ـ نقاط ضعف الگوریتم c میانگین فازی
2 ـ 8 ـ الگوریتم خوشهبندی c میانگین برای دادههای نویزی
2 ـ 9 ـ الگوریتم خوشهبندی c میانگین با استفاده از نمونههای برچسب گذاری شده
2 ـ 10 ـ شاخصهاي اعتبارسنجي
2 ـ 10 ـ 1 ـ شاخص دون (Dunn Index)
2 ـ 10 ـ 2 ـ شاخص ديويس بولدين (Davies Bouldin Index)
2 ـ 10 ـ 3 ـ شاخصهاي اعتبارسنجي ريشة ميانگين مربع انحراف از معيار (RMSSDT) و ريشة R (RS)
2 ـ 10 ـ 4 ـ شاخص اعتبارسنجيSD
2 ـ 10 ـ 5 ـ شاخص اعتبارسنجي S_Dbw
2 ـ 11 ـ آزمايش ومقايسه کارايي شاخصهاي اعتبار سنجي
فصل سوم: خوشه بندی در شبکه های حسگر بی سیم
3 ـ 1 ـ مقدمه
3 ـ 2 ـ اهداف اصلی و چالشهای طراحی خوشهبندی در WSNها
3 ـ 3 ـ دسته بندی الگوریتمهای خوشهبندی
3 ـ 3 ـ 1 ـ پارامترهای خوشهبندی
3 ـ 3 ـ 2 ـ طبقه بندی پروتکلهای خوشهبندی
3 ـ 4 ـ رویکردهای خوشهبندی احتمالاتی
3 ـ 5 ـ پروتکلهای خوشهبندی احتمالاتی مشهور
3 ـ 5 ـ 1 ـ سلسله مراتب خوشهبندی تطبیق پذیر کم انرژی (LEACH)
خلاصه و نتيجهگيري
منابع
برچسب ها:
الگوریتم های هوشمند حسگر بی سیم الگوریتم هوشمند با حسگر بی سیم شبکه حسگروبی سیم خوشه خوشه بندي طول عمر خوشه شبكه كلاستر پایان نامه حسگر بی سیم پایان نامه الگوریتم هوشمند تحقیق حسگر بی سیم مقاله حسگر بی سیم تحقیق الگوریتم هوشمند