پاورپوینت خوشه بندی فازی (pptx) 21 اسلاید

دسته بندی : پاورپوینت

نوع فایل : PowerPoint (.pptx) ( قابل ویرایش و آماده پرینت )

تعداد اسلاید: 21 اسلاید

قسمتی از متن PowerPoint (.pptx) :

1 خوشه بندی فازی Fuzzy Clustering خوشه بندی فازی 2 فهرست گذری بر یادگیری ماشین و کاربردهای آن مفاهیم خوشه بندی معرفی مراحل فرآیند خوشه بندی روش های خوشه بندی خوشه بندی فازی رویکرد فازی افراز فازی خوشه بندی فازی احتمالی خوشه بندی فازی امکانی کاربردهای خوشه بندی طرح مساله حوزه های های هوش مصنوعی تعدادی از حوزه های هوش مصنوعی شامل وارد زیر است: شبکه های عصبی ( (Neural Networks پردازش زبان طبیعی( (Natural Language Processing روباتیک ( (Robotics سیستم های خبره( (Expert Systems یادگیری ماشین( (Machine Learning تشخیص گفتار( (Speech Recognition بینایی ماشین( (Machine Vision . . . 3 یادگیری ماشین یادگیری ماشین به این معناست که ماشین بتواند برنامه، ساختار یا داده هایش را بر اساس ورودی ها یا در پاسخ به اطلاعات خارجی، به نحوی تغییر دهد که رفتارش به آن چه از او انتظار می رود، نزدیک تر شود. در واقع یادگیری ماشین بهینه کردن معیار کارایی با استفاده از داده های نمونه یا تجربیات گذشته است استفاده از علم آمار برای استنتاج از نمونه ها استفاده از الگوریتم های بهینه برای حل مساله بهینه سازی و ارزیابی مدل ارائه شده 4 حوزه های یادگیری ماشین یادگیری قواعد انجمنی مثال: تحلیل سبد خرید مشتریان یادگیری با نظارت دسته بندی مثال: بازشناسی چهره، صدا، تشخیص پزشکی و ... تخمین تابع مثال: تخمین میزان مصرف سوخت خودرو بر اساس مشخصات آن یادگیری بدون نظارت خوشه بندی مثال: گروه بندی مشتریان، فشرده سازی تصاویر یادگیری تقویتی مثال: نظریه بازی ها، محیط های چند عامله 6 معرفی خوشه بندی گروه بندی داده ها تقسیم مجموعه ای از اشیاء به چند دسته بر اساس معیاری از شباهت حداقل سازی تفاوت بین اشیاء یک گروه و حداکثر نمودن تفاوت بین گروه های مختلف انواع گروه بندی دسته بندی ( Classification ) : گروه بندی با نظارت خوشه بندی ( Clustering ) : گروه بندی بدون نظارت 7 مراحل های فرآیند خوشه بندی نمایش داده ها انتخاب مشخصه های مورد نظر از داده ها برای اعمال در الگوریتم تعیین و یا تخمین تعداد خوشه ها تعیین حجم داده ها تعیین معیار شباهت و نزدیکی داده ها فاصله اقلیدسی فاصله همسایگی متقابل (MND) خوشه بندی مفهومی اجرای الگوریتم خوشه بندی مناسب سلسله مراتبی یا افرازی کلاسیک یا فازی .... خلاصه سازی داده ها ارزیابی و برآورد خروجی ها رویکردهای خوشه بندی رویکرد سلسله مراتبی در مقابل افرازی رویکرد تجمعی در مقابل تقسیمی رویکرد چند بعدی در مقابل تک بعدی رویکرد سخت در مقابل فازی 8 9 روش های خوشه بندی سلسله مراتبی ساخت درختواره از مراتب ادغام خوشه ها افرازی بهینه کردن افرازی از داده ها روش مربع خطا( K-means و ISODATA ) A B C E D F G X 1 X 2 10 الگوریتم K-Means شروع K مرکز خوشه را با انتخاب k داده به صورت تصادفی انتخاب کنید هر داده را به خوشه ای انتقال دهید که با مرکز آن کمترین فاصله را دارد مراکز جدید خوشه ها محاسبه کنید معیار همگرایی برآورده شده است؟ پایان