خرید و دانلود فصل دوم پایان نامه خوشه بندی و الگوریتم آن با فرمت docx در قالب 13 صفحه ورد
تعداد صفحات | 13 |
حجم | 76/659 کیلوبایت |
فرمت فایل اصلی | doc |
در مقیاس وسیع WSN ها، گرههای حسگر ممکن است از یک خوشه بر اساس شیوه ای که در آن یک خوشه اصلی مسئول جمع آوری دادهها از گرههای شبکه است استفاده کند مسیر یابی طبقه بندی شده یا بر اساس خوشه یک روش معروف است که هدف آن فراهم نمودن کارایی و تاثیر انرژی بر WSNها است انتخاب تصادفی خوشههای اصلی معمولاً به عنوان یک راه حل برای مشکل کاهش انرژی گرههای خوشه اصلی استفاده میشود در این روش، هر گره حسگر میتواند یک خوشه اصلی شود و وظیفه خوشه اصلی بودن متناوبا تغییر میکند که این عمل به سبب فراهم نمودن تعادل بار است[2] دیگر پروتکل های ارسالی بر اساس خوشه برای WSNها معرفی شدهاند به عنوان مثال [33;34] ارایه نموده اند
فهرست مطالب
الگوریتم خوشه بندی 44
2-8-1 معیارمطلوبیت خوشه ها 45
2-8-2 ویژگیهای یک الگوریتم خوشه بندی مناسب 46
2-8-3 معایب روش خوشه بندی 46
2-8-4 انواع خوشه بندی 46
2-8-5 الگوریتم kmeans 47
2-8-5-1 مراحل کار 47
2-8-6 پیش پردازش داده ها 48
2-8-7 انواع ویژگی ها در خوشهبندی 48
2-8-8 دلایل اصلی پیش پردازش دادهها 48
2-8-9 عملیات اصلی پیش پردازش داده ها 49
2-8-10 آلودگیها در خوشه بندی 49
2-8-11 روشهای مورد استفاده در پیش پردازش 50
2-8-12 روش (Low-Energy Adaptive Clustering Hierarchy)50
2-8-12-1 جزئیات الگوریتم LEACH 52
2-8-12-2 فاز تبلیغات52
2-8-12-3 فاز تشکیل دستهها53
2-8-12-4 فاز تشکیل برنامه53
2-8-12-5 فاز انتقال دادهها
منابع
خرید و دانلود فصل دوم پایان نامه خوشه بندی و روش های آن با فرمت docx در قالب 45 صفحه ورد
تعداد صفحات | 45 |
حجم | 430/559 کیلوبایت |
فرمت فایل اصلی | docx |
یکی از مهمترین فعالیتهای اصلی بشر، گروهبندی موضوعات و مسائل مشابه است. انسانها جهت آموختن موضوعی جدید یا درک پدیدهای نو، همیشه سعی در یافتن ویژگیهایی دارند که آن موضوع یا پدیده را تشریح کند، سپس میزان تشابه یا تفاوت آن را با موضوعات و یا پدیدههای شناخته شده قبلی مقایسه کنند [72]. به مجموعهای از اشیاء مشابه، خوشه و به مجموعهای از خوشهها، خوشهبندی گفته میشود. خوشهبندی یک روش یادگیری نظارت نشده بشمار میآید، به این دلیل که بر خلاف طبقهبندی (به عنوان یک روش یادگیری نظارت شده) هیچ برچسب گذاری اولیهای که از طریق آن بتوان گروه دادهها را تشخیص داد، بر روی دادهها انجام نشده است. خوشهبندیای مناسب و مطلوبست که میزان وابستگی اشیاء درون خوشهها بیشینه و میزان وابستگی اشیاء در خوشههای مجزا کمینه باشد.
فهرست مطالب
2-1- مقدمه 15
2-2- روشهای خوشهبندی 15
2-2-1- روشهای بخشبندی 17
2-2-2- روشهای سلسله مراتبی 19
2-2-3- الگوریتم خوشهبندی K-Means 19
2-3- خوشهبندی توافقی 22
2-3-1- انگیزههای استفاده از خوشهبندی توافقی 23
2-3-2- مسئله خوشهبندی توافقی: ارائهی مثال 25
2-3-3- مروری بر روشهای خوشهبندی توافقی 26
2-3-4- گروهبندی روشهای خوشهبندی توافقی 27
2-3-5- روشهای شباهت محور 31
شباهت دوبهدو(ماتریس همبستگی) 31
گراف محور 35
2-3-6- روشهای توافقی با استفاده از اطلاعات دوجانبه 39
2-3-7- روشهای توافقی با استفاده از مدل ترکیبی 40
2-3-8- روشهای توافقی رأی محور 42
2-4- روشهای تولید اجتماع خوشهبندیها
منابع
خرید و دانلود فصل دوم پایان نامه تکنیک های مختلف خوشه بندی و اساس آن با فرمت docx در قالب 19 صفحه ورد
تعداد صفحات | 19 |
حجم | 137/375 کیلوبایت |
فرمت فایل اصلی | doc |
در این فصل روش های مختلف خوشه بندی، ویژگی این روش ها و موارد کاربرد آن ها بیان می گردد مسلما هر کدام از روش های معرفی شده ممکن است در یک کاربرد بهترین و در کاربرد دیگر نامناسب باشند بر همین اساس ابتدا انواع مختلف این روش ها معرفی شده و در فصل بعد مشخص می گردد به منظور کاهش تعداد حالات مدل قابلیت اطمینان خوشه بندی کدام روش مناسبترین است
فهرست مطالب
فصل چهارم (تکنیک های مختلف خوشه بندی)
4-1- اساس خوشه بندی 46
4-2- انواع روش های خوشه بندی 47
4-3- خوشه بندی فازی 48
4-4- معیارهای کارایی 55
4-4-1- تابع ارزیابی ضریب افراز 56
4-4-2- تابع ارزیابی آنتروپی افراز 56
4-4-3- تابع Fukuyama and Sugeno 57
4-4-4- تابع Xie and Beni 57
4-4-5 تابع NZahid 58
4-4-6- تابع MRamze Rezaee
منابع