مرکز خرید پروژه،پایان نامه،تحقیقات

تحقیق ادغام روش‌هاي بهينه سازي ازدحام ذرات و الگوريتم ژنتيك براي خوشه بندي پويا

بخشی از متن:
چكيده:
اگرچه الگوريتمهاي مربوط به آناليز خوشه‌بندي دائما در حال پيشرفتند، ولي اكثر الگوريتمهاي خوشه بندي همچنان نياز به تعيين تعداد خوشه ها دارند. از اين جهت، هدف مطالعه حاضر براي ارائه يك روش خوشه بندي ديناميك جديد بر پايه بهينه سازي ازدحام ذرات (PSO و الگوريتم ژنتيك (GA(DCPG) مي‌باشد. الگوريتم DCPG پيشنهادي ما ،ميتواند به طورخودكار داده‌هاي خوشه بندي را با آزمايش داده ها و بدون تعين قبلي تعداد خوشه ها، انجام دهد. نتايج محاسباتي براي 4 جفت مجموعه داده هاي دودويي مشخص كرد كه الگوريتم DCPG داراي صحت و ثبات بهتري نسبت به ساير روشهاي خوشه بندي بر پايه دودويي pso(dcpso) و روش خوشه بندي باينري بر پايه GA(DCGA) هستند. علاوه بر اين الگوريتم DCPG براي خوشه بندي قبوض در شركت (BOM) در تايوان مورد استفاده قرار گرفته است. نتايج خوشخ‌بندي ميتواند براي دسته ّندي محصولات كه داراي خصوصيات مشتركي هستند، در يك خوشه مورد استفاده قرار گيرد.

فهرست مطالب:
چکیده
مقدمه
2- پيشينه تحقيق
2.1. آناليز خوشه‌بندي
3- روش‌شناسي
2- توليد تصادفي مراكز Nc خوشه ها در چهار مجموعه داده‌اي
4. نتايج شبيه‌سازي
4.1. مجموعه داده‌ها
4.2. پردازش اطلاعات
4.3. نتايج تجربي و آناليز آنها
4.3.1.  ارزيابي الگوريتم
4.3.2. آناليز نتايج الگوريتم
4.3.3. آناليز همگرايي براي الگوريتم
4.4. قرار دادن پارامترها

پرداخت با کلیه کارتهای عضو شتاب امکان پذیر است.

تحقیق تشخيص بيماري هپاتيت با روش تركيبي جديد مبتني بر ماشين پشتيبان برداري و بازپخت (SVM-SA)

بخشی از متن:

چكيده:
دراين مطالعه تشخيص بيماري هپاتيت كه يكي از بيمارهاي شايع و مهم ساست، با استفاده از از روش يادگيري ماشيني انجام شده است. ما يك روش يادگيري ماشيني نويني را كه تركيبي از ماشين بردار پشتيبان (SVM) و بازپخت شبيه‌سازي شده (SA)  است را ارائه نموديم. بازپخت شبيه‌سازي شده يك روش تصادفي است كه امروزه به طور گسترده اي براي مسائل بهينه‌سازي دشوار، به كار مي‌رود همچنين ماشين برداري پشتيبان در سالهاي اخير به عنوان يكي از متدهاي پيش‌بيني كه داراي مزيتهاي منحصربه‌فرد زيادي است و نتايج موفقيت آميزي نيز داشته‌ است، شناخته مي شود. مت مجموعه داده‌هاي مورد استفاده در مطالعه خود را از مجموعه داده هاي آموزشي ماشين UCI برداشتيم. اعتبار سنجي كلاس‌بندي با ميزان دقت متقابل 10- فول به دست آمد. دقت طبقه‌بندي به دست آمده 96.25 % بود كه در مقايسه با ساير روشهاي كلاس‌بندي در مقالات ديگر، بسيار اميدوار كننده مي‌باشد.

فهرست مطالب:
1. مقدمه
2. تحقيقات مرتبط
3. مجموعه داده‌هاي هپاتيت
4. بازپخت شبيه‌سازي شده بر اساس SVM
4.1. پردازش داده ها
4.2 . مقياس بندي
4.3. جستجوي بازپخت شبيه‌سازي شده
4.4. ساخت مدل
5. نتايج تجربي
5.1. معيارهاي ارزيابي عملكرد
5.2. بهبود كارايي جستجوي پارامترها با روش SA‌
5.3. مطالعه شبيه‌‌سازي شده
6. بحث و نتيجه‌گيري

پرداخت با کلیه کارتهای عضو شتاب امکان پذیر است.