دانلود ترجمه مقاله پیشرفت های اخیر در زمینه خوشه بندی اسناد *

اختصاصی از سورنا فایل دانلود ترجمه مقاله پیشرفت های اخیر در زمینه خوشه بندی اسناد * دانلود با لینک مستقیم و پر سرعت .

دانلود ترجمه مقاله پیشرفت های اخیر در زمینه خوشه بندی داکیومنت ؛ مقاله ای برای رشته کامپیوتر و فناوری اطلاعات و کاربرد آن در رشته مدیریت اطلاعات است که در 25 صفحه برای دانلود شما ترجمه شده است.

 

Recent Developments in Document Clustering

این گزارش مروری کوتاه بر وضعیت فعلی پژوهش  های انجام گرفته بر خوشه بندی داکیومنت دارد و پیشرفت های اخیر در این حوزه را معرفی می کند. الگوریتم های خوشه بندی با دو سناریو فرضی در ذهن در نظر گرفته می شود: خوشه بندی query آنلاین با محدودیت کارآمدی شدید و خوشه بندی آفلاین با تاکید بر صحت انجام. تجزیه و تحلیل مقایسه ای الگوریتم ها همراه با یک جدول خلاصه ویژگی های مهم انجام شده و مشکلات باز و همچنین تحقیقات آتی در این حوزه مورد بحث قرار می گیرد.

محتوا

1. 1.      مقدمه
2. 2.      خوشه بندی خوب، بد و زشت
3. 3.      مدل فضای برداری

 3.1 پیش‌ پردازی

 3.2 مثال

1. 4.      توسعه k-means

 4.1 k-meanکروی آنلاین

  4.2 k-means کرنل

1. 5.      الگوریتم زایشی

 5.1 مدل گاسین

5.2 حداکثر انتظار

 5.3 مدل میزس-فیشر

 5.4 k-means مبتنی بر مدل

1. 6.      خوشه بندی طیفی 

6.1 خوشه تقسیم و ادغام

 6.2 خوشه بندی fuzzyفازی

1. 7.      کاهش ابعادسنجی

7.1 تجزیه و تحلیل مولفه های اصلی

7.2 تجزیه ماتریس نامنفی

  7.3کوکلاسترینگ طیفی نرم

 7.4 لینگو

1. 8.      مدل مبتنی بر عبارت

 8.1 خوشه بندی درختی

8.2 نمودار ضمیمه داکیومنت

1. 9.      تحلیل مقایسه ای

 9.1 خوشه بندی جستجو Query

9.2 خوشه بندی مجموعه    

10.  نتیجه گیری

   مقدمه

خوشه بندی داکیومنت و یا متن زیر مجموعه ای از حوزه بزرگتر از خوشه بندی داده ها است که مفاهیم را از  زمینه های بازیابی اطلاعات (IR)، پردازش زبان طبیعی (NLP)، و یادگیری ماشین (ML) قرض می گیرد. خوشه بندی اسناد از این پس به سادگی به عنوان خوشه بندی معرفی شده است.

فرایند خوشه بندی با هدف کشف گروه بندی های طبیعی است و بنابراین  یک نمای کلی از رده ها(موضوعات) در مجموعه اسناد ارائه می دهد. در زمینه هوش مصنوعی،به عنوان یادگیری ماشین بدون سرپرست شناخته شده است. خوشه بندی را نباید با طبقه بندی اشتباه گرفت. در مسئله طبقه بندی شماره رده و ویژگی های آن بصورت قیاسی شناخته شده است و اسناد در این رده اختصاص داده است. در مقابل، در مسئله خوشه بندی همانطور که در شماره1 است ویژگی ها و یا عضویت (ترکیب) هر رده از پیش شناخته شده است. این تفاوت در شکل 1 نشان داده شده است. طبقه بندی مثالی از یادگیری ماشینی نظارت شده است.

نمونه سوالات استخدامی دستگاه های اجرایی خوشه امور اداری به همراه پاسخنامه *

اختصاصی از سورنا فایل نمونه سوالات استخدامی دستگاه های اجرایی خوشه امور اداری به همراه پاسخنامه * دانلود با لینک مستقیم و پر سرعت .

بهترین مجموعه سوالات استخدامی جهت آشنایی با سوالات استخدام دستگاه های اجرایی کشور.
نمونه سوالات استخدامی دستگاه های اجرایی خوشه امور اداری باه همراه پاسخنامه شامل:
1- سوالات تئوری های مدیریت و تجزیه و تحلیل سیستم 355 سوال به همراه پاسخنامه
2- سوالات مدیریت منابع انسانی و رفتار سازمانی 330 سوال به همراه پاسخنامه
3- سوالات متئوری های مدیریت دولتی 120 سوال به همراه پاسخنامه
4- سوالات حقوق اداری و قانون مدیریت خدمات کشوری 104 سوال به همراه پاسخنامه

پـــایــان نــامه روش های خوشه بندی جریان داده

اختصاصی از سورنا فایل پـــایــان نــامه روش های خوشه بندی جریان داده دانلود با لینک مستقیم و پر سرعت .

چکیده

 حجم بزرگ داده ها به تنهایی به مدیران سازمان ها در تصمیم سازی و تصمیم گیری هیچ کمکی نمی کند، بلکه باعث سردرگمی مدیران سازمان ها نیز می شود.بنابراین مدیریت داده های خام و تبدیل داده های خارجی و داخلی سازمان به اطلاعات و دانش با استفاده از تکنیک های گوناگون،نقش اساسی و محوری دارد.از تکنیک های معروف در این زمینه داده کاوی است،که می تواند بر روی بانک اطلاعاتی انجام شود و دانش مورد نیاز را بدست آورد.در فصل اول به بررسی این مفهوم پرداختیم. کاوش خوشه ها نیز یکی از تکنیک های حائز اهمیت در زمینه رو به رشد،معروف به داده کاوی اکتشافی می باشد که در رشته های گوناگون مهندسی و علمی از قبیل زیست شناسی،روان شناسی،پزشکی،بازاریابی،کامپیوتر و نقشه برداری ماهواره ای به کار گرفته شده است. این مفهوم در فصل های سوم و چهارم دنبال شده است.در فصل سوم به یکی از الگوریتم های خوشه بندی به نام CStree پرداخته شده و نقاط ضعف این الگوریتم نیز مطرح شده است .تحلیل خوشه ها،اطلاعات را بوسیله یک ساختار اساسی مختصر بدو شکل گروه بندی تنها یا گروه بندی سلسله مراتبی سازماندهی می نماید.خوشه بندی ،ابزاری برای اکتشاف ساختارهایی از درون داده هاست که نیاز به هیچ فرضی از آنها نیست.این روش در هوش مصنوعی و شناسایی الگو،یادگیری بدون ناظر نامیده می شود.الگوریتم های خوشه بندی گوناگونی برای استخراج دانش از درون مجموعه اطلاعات مختلف وجود دارد.اما عموما این الگوریتم ها حساس به داده های مورد آزمایش و برخی پارامترهای اولیه می باشند،لذا نتایج حاصل از آنها وابسته به ساختار داده ها می باشد.تاکنون الگوریتمی ارائه نشده است که بتواند هر گونه ساختار داده ای را استخراج نماید. یکی دیگر از پدیده های نوظهور در دنیای اطلاعات،داده های جریانی می باشند.این پدیده که در فصل چهارم مطرح شده است،اشاره به حجم وسیعی از اطلاعات انباشته شده دارد که محدودیت های فراوانی برای پردازش ایجاد کرده اند.اندازه این داده ها بیش از حافظه اصلی،یکی از این موانع می باشد.لذا می بایست الگوریتم های جدیدی برای برخورد با این گونه داده ها توسعه یابند.

کلمات کلیدی: داده کاوی، دسته بندی، خوشه بندی، جریان داده

فهرست مطالب

تقدیم به: 3

تقدیر و تشکر. 4

فصل اول مقدمه ای بر داده کاوی. 1

1-1 مقدمه 2

1-2عامل مسبب پیدایش داده کاوی. 2

1-3داده کاوی و مفهوم اکتشاف دانش (K.D.D) 3

1-3-1 تعریف داده کاوی. 5

2-3-1 فرایند داده‌کاوی. 6

1-3-3 قابلیتهای داده کاوی. 7

4-3-1 چه نوع داده‌هایی مورد کاوش قرار می گیرند؟ 8

4-1 وظایف داده کاوی. 9

1-4-1 کلاس بندی. 10

2-4-1 مراحل یک الگوریتم کلاس‌بندی. 11

3-4-1 انواع روش‌های کلاس‌بندی. 11

1-3-4-1 درخت تصمیم. 12

1-1-3-4-1 کشف تقسیمات.. 13

2-1-3-4-1 دسته بندی با درخت تصمیم. 15

3-1-3-4-1 انواع درخت‌های تصمیم. 17

4-1-3-4-1 نحوه‌ی هرس کردن درخت.. 17

2-3-4-1 بیزی. 18

1-2-3-4-1 تئوری بیز. 20

2-2-3-4-1 دسته بندی ساده بیزی. 22

4-4-1 ارزیابی روش‌های کلاس‌بندی. 28

4-1-6 انواع روش‌های پیش بینی. 29

1-4-6-1 رگرسیون. 29

1-4-6-1-1 رگرسیون خطی. 29

1-4-6-1-2 رگرسیون منطقی. 31

1-4-7 تخمین. 32

فصل دوم خوشه بندی. 34

2 1-تعریف فرایند خوشه‌بندی. 35

2-2 روش ها و الگوریتم‌های خوشه‌بندی. 36

2-3 روش و الگوریتم سلسله مراتبی. 37

2 3-1-روش های سلسله‌مراتبی. 37

2 3-2-الگوریتم های سلسله مراتبی. 38

2-3-3- الگوریتم خوشه بندی single-linkage. 39

2 3-4-الگوریتم‌های تفکیک... 45

3-5-2روش‌های متکی برچگالی. 46

3-7-2 روش‌‌های متکی بر مدل. 47

فصل سوم خوشه بندی CS tree. 48

3-1مقدمه 49

3-2 مروری بر روش های خوشه بندی جریان داده 50

3-3 خوشه بندی توری جریان داده 52

3-1-3 مروری بر روش خوشه بندی توری CS tree. 53

3-2- 3 بررسی نقاط ضعف الگوریتم CS tree. 56

3-4 الگوریتم پیشنهادی. 60

3-1-4 بازتعریف مفهوم همسایگی و رفع مشکل تقسیم بی معنی خوشه ها 63

3-5 اصلاح روند بروز رسانی خوشه ها 66

3-6 اصلاح ساختار نمایش خوشه ها 67

فصل چهارم جریان داده و مدل های ان. 69

4-1 مقدمه 70

4-2 کاربردهای داده های جریانی. 71

4-2-1 شبکه های حسگر. 71

4-2-2 تحلیل ترافیک شبکه 72

4-2-3 محرک های مالی. 73

4-2-4 تحلیل تراکنش ها 73

4-3 مدل داده های جریانی. 74

4-4 زیربنای نظری. 75

4-4-1 تکنیک های مبتنی بر داده 76

4-4-1-1 نمونه برداری. 76

4-4-1-2 پراکنده ساختن بار 77

4-4-1-3 طراحی اولیه 77

4-4-1-4 ساختمان داده خلاصه 78

4-4-1-5 انبوه سازی. 78

4-4-2 تکنیک های مبتنی بر وظیفه 78

4-4-2-1 الگوریتم های تخمین. 79

4-4-2-2 الگوریتم های مبتنی بر پنجره 79

4-4-2-3 الگوریتم های دانه دانه سازی نتایج. 80

4-5 خوشه بندی داده های جریانی. 80

4-5-1 بهبود روش های سنتی. 81

4-5-1-1 الگوریتم CLARANS. 82

4-5-1-2 الگوریتم BIRCH.. 84

4-5-2 ظهور تکنیک های جدید. 87

4-5-2-1 الگوریتم مبتنی بر چگالی DBSCAN.. 87

4-5-2-2 الگوریتم مبتنی بر گریدSTING.. 90

4-6 بحث در مورد الگوریتم ها 93

4-6-1 ایا توسعه روش های سنتی درست است؟ 93

4-6-2 روش های جدید چه پیشنهاداتی دارند؟ 94

منابع. 96

فهرست اشکال

شکل 1-1 فرآینده داده کاوی.. 7

شکل1-2 نمونه یک درخت تصمیم.. 13

شکل 1-3 یک تقسیم بندی خوب ، درجه خلوص را برای فرزندان افزایش می دهد. 15

شکل 3-1 تقسیم خوشه های با معنی به زیر خوشه های بی معنی.. 58

شکل3-2 خطاهای روش Cs tree در ترکیب خوشه های یک بعدی و ایجاد خوشه های چند بعدی- قسمت A خطا در تعداد خوشه ها ، قسمت B خطا در شکل خوشه ها، قسمت C خطا در مرز خوشه ها 59

شکل3 -3  روی هم افتادگی خوشه ها در بروز رسانی به روش Cs tree. 60

شکل 4-2  الگوریتم خوشه بندی CLARA.. 82

شکل 4-3  الگوریتم خوشه بندی CLARANS . 84

شکل 4-4  الگوریتم خوشه بندی BIRCH.. 86

شکل 4-6 الگوریتم خوشه بندی.STING.. 92

فصل اول مقدمه ای بر داده کاوی

1-1 مقدمه

 امروزه با گسترش سیستم های پایگاهی و حجم بالای داده های ذخیره شده در این سیستم ها ، نیاز به ابزاری است تا بتوان داده های ذخیره شده را پردازش کرد و اطلاعات حاصل از این پردازش را در اختیار کاربران قرار داد .با استفاده از ابزارهای گوناگون گزارش گیری معمولی ، می توان اطلاعاتی را در اختیار کاربران قرار داد تا بتوانند به نتیجه گیری در مورد داده ها و روابط منطقی میان انها بپردازند اما وقتی که حجم داده ها خیلی بالا باشد ، کاربران هر چند زبر دست و با تجربه باشند نمی توانند الگوهای مفید را در میان حجم انبوه داده ها تشخیص دهند و یا اگر قادر به این کار هم با شوند ، هزینه عملیات از نظر نیروی انسانی و مادی بسیار بالا است .از سوی دیگر کاربران معمولا فرضیه ای را مطرح می کنند و سپس بر اساس گزارشات مشاهده شده به اثبات یا رد فرضیه می پردازند ، در حالی که امروزه نیاز به روشهایی است که اصطلاحا به کشف دانش بپردازند یعنی با کمترین دخالت کاربر و به صورت خودکار الگوها و رابطه های منطقی را بیان نمایند .

داده کاوی یکی از مهمترین این روشها است که به وسیله ان الگوهای مفید در داده ها با حداقل دخالت کاربران شناخته می شوند و اطلاعاتی را در اختیار کاربران و تحلیل گران قرار می دهند تا براساس انها تصمیمات مهم و حیاتی در سازمانها اتخاذ شوند .

1-2عامل مسبب پیدایش داده کاوی

اصلی ترین دلیلی که باعث شده داده کاوی کانون توجهات در صنعت اطلاعات قرار بگیرد، مساله در دسترس بودن حجم وسیعی از داده ها و نیاز شدید به اینکه از این داده ها,اطلاعات و دانش سودمند استخراج کنیم. اطلاعات و دانش بدست امده در کاربردهای وسیعی مورد استفاده قرار می گیرد.

داده کاوی را می توان حاصل سیر تکاملی طبیعی تکنولوژی اطلاعات دانست، که این سیر تکاملی ناشی از یک سیر تکاملی در صنعت پایگاه داده می باشد، نظیر عملیات جمع اوری داده ها وایجاد پایگاه داده، مدیریت داده و تحلیل و فهم داده ها.

تکامل تکنولوژی پایگاه داده و استفاده فراوان ان در کاربردهای مختلف سبب جمع اوری حجم فراوانی داده شده است. این داده های فراوان باعث ایجاد نیاز برای ابزارهای قدرتمند برای تحلیل داده ها گشته، زیرا در حال حاضر به لحاظ داده ثروتمند هستیم ولی دچار کمبود اطلاعات می باشیم.

ابزارهای داده کاوی داده ها را انالیز می کنند و الگوهای داده ها را کشف می کنند که می توان از ان در کاربردهایی نظیر تعیین استراتژی برای کسب و کار، پایگاه دانش و تحقیقات علمی و پزشکی، استفاده کرد. شکاف موجود بین داده ها و اطلاعات سبب ایجاد نیاز برای ابزارهای داده کاوی شده است تا داده های بی ارزش را به دانشی ارزشمند تبدیل کنیم

دانلود مقاله ISI استفاده از آستانه پویا به بهبود تشخیص خوشه LSI

اختصاصی از سورنا فایل دانلود مقاله ISI استفاده از آستانه پویا به بهبود تشخیص خوشه LSI دانلود با لینک مستقیم و پر سرعت .

موضوع فارسی :استفاده از آستانه پویا به بهبود تشخیص خوشه LSI

موضوع انگلیسی :<!--StartFragment -->

Applying a dynamic threshold to improve cluster detection of LSI

تعداد صفحه :14

فرمت فایل :PDF

سال انتشار :2011

زبان مقاله : انگلیسی

معنی کلمات در یک مجموعه بزرگ از اسناد. اخیرا نشان داده شده است که آن را نیز برای شناسایی نگرانی در کد منبع مفید است. استراتژی قطع درختان نقش مهمی در به دست آوردن خوشه، که شناسایی نگرانی دارد. در این مقاله نویسندگان مقایسه دو استراتژی برش درخت: برش ترکیبی پویا و معمولا استفاده می شود آستانه ارتفاع ثابت. دو مورد در کد منبع را از فیلیپس بهداشت و درمان به مقایسه نتایج با استفاده از هر دو روش انجام شده است. در حالی که برخی از تنظیمات خاص به فیلیپس مورد، نتایج نشان می دهد که استفاده از آستانه پویا، اجرا شده توسط ترکیبی برش پویا، بهبود در آستانه ارتفاع ثابت در تشخیص خوشه نمایندگی نگرانی مربوط است. این باعث می شود که رویکرد به عنوان یک کل قابل استفاده تر در عمل.

دانلود پایان نامه ارائه یک الگوریتم خوشه بندی برای توزیع مناسب کار و ارزیابی کارایی آن

اختصاصی از سورنا فایل دانلود پایان نامه ارائه یک الگوریتم خوشه بندی برای توزیع مناسب کار و ارزیابی کارایی آن دانلود با لینک مستقیم و پر سرعت .

  در سال های اخیر صنعت کامپیوتر رشد بسیار شگفت انگیزی داشته است. در طی دو دهه اخیر سرعت کامپیوتر های شخصی از چند دستور در ثانیه به چند میلیون دستور در ثانیه رسیده است در صورتی که قیمت آنها نیز از چند میلیون دلار به چند هزار دلار کاهش یافته است.
  افزایش نیاز به  سیستم هایی با کارائی بسیار زیاد و سرعت فوق العاده بالای شبکه ها (شبکه های ترابیتی)  سبب جلب علاقه محققان به پردازش های موازی و توزیع شده، شده است. از جمله دلایل افزایش توجه به سیستم های توزیع شده می توان به موارد زیر اشاره کرد:
1: پیشرفت تکنولوژی پردازش.
2: سرعت بالای شبکه ها.
3: انجام تحقیقات گسترده برای ارائه محیطهائی برای انجام محاسباتی توزیع شده.
  بعلاوه به نظر می رسد با افزایش  روزافزون نیاز به توان پردازشی سریعتر، هیچ بستر محاسباتی منفرد،  نمی تواند پاسخگوی این نیاز باشد بنابراین محیطهای پردازشی آتی باید بتواننداز منابع محاسباتی نا همگن موجود در شبکه استفاده کنند. فقط سیستم های موازی و توزیع شده امکان استفاده از  منابع مختلف موجود در شبکه را میسر می کنند.
 از سوی دیگر تحول چشم گیری نیز در صنعت شبکه های کامپیوتری به وجود آمده است. امروزه هزاران کامپیوتر می توانند از طریق یک شبکه LAN به یکدیگر متصل شده و در کسری از ثانیه داده های خود را با یکدیگر مبادله کنند. یا به کمک یک شبکه WAN میلیون ها کامپیوتر از سرتاسر دنیا  قادر به تبادل داده با یکدیگر هستند.با توجه به این تحولات، امروزه تصور مجموعه ای از کامپیوتر ها که به صورت یک کامپیوتر یکپارچه  اما با قدرت بسیار بیشتر ،چندان بعید نیست.

مقدمه   1
1-فصل اول - مفاهیم اولیه    2
   1-1 سیستم های توزیع شده   3
      1-1-1 مزایا و معایب سیستم های توزیع شده   3
   1-2 انگیزش      6
   1-3 مراحل کلی تبدیل برنامه ترتیبی به برنامه توزیع شده     8
   1-4 ساختار پایان نامه     9
   1-5 جمع بندی     10
2-فصل دوم - تکنیک ها و ابزارهای مرتبط    11
   2-1ابزارهای تبادل پیام در مقایسه با حافظه اشتراکی توزیع شده    13
2-1-1 تبادل پیام     13
        2-1-2 خصوصیات مطلوب یک سیستم تبادل پیام   14
 2-1-3 طبقه بندی ابزارهای تبادل پیام     14
    2-2 توزیعگر های اتوماتیک         17
 2-2-1 ابزار های نیمه اتوماتیک      17  
 2-2-2 ابزار های تمام اتوماتیک      18
        2-2-3 توزیع بایت¬ کد جاوا بر مبنای تحلیل¬ وابستگی به صورت اتوماتیک      21
  2-4 مطابقت اندازه گره در محیط برنامه نویسی شی¬گرا به صورت پویا توسط روش اسکوپ      24
  2-5افرازبندی در سیستم توزیع شده شی گرا به صورت پویا      25
      2-5-1 معیارهای دسته بندی اشیاء      26
      2-5-2 الگوریتم خوشه بندی مشتق شده از الگوریتم حریصانه lo,s       27
       2-5-3 دسته بندی اشیاء موجود در خوشه ها      29
    2-6 نتیجه گیری   30
3- فصل سوم - استخراج گراف فراخوانی   31
   3-1 ساخت گراف جریان فراخوانی   32
3-2-1الگوریتم های  تعین مقصد فراخوانی   34
3-2-2روش آنالیز نوع ایستاتیک   34
روش آنالیز سلسله مراتب کلاس      35
3-2-3روش آنالیز نوع سریع 37
3-2-4روش آنالیز نوع سریع حساس به جریان برنامه 37
3-2استخراج گراف فراخوانی جهت ساخت گراف کلاسها 41
3-3مقایسه روش های ساخت گراف فراخوانی   43
3-4وزن گذاری گراف فراخوانی   45
3-5استراتژی وزن گذاری یال های گراف فراخوانی توابع    46
3-6 برآورد زمان اجرای کد های ترتیبی   50
3-7-1 روش های برآورد زمان اجرای کد های ترتیبی   51
3-7-2 برآورد زمان اجرای کدهای برنامه باآنالیز متن برنامه  51
3-7-3 تخمین ایستای زمان اجرای برنامه ها   56
3-7-4 تعیین سرحد تکرار حلقه¬ها و فراخوانی¬های بازگشتی  57
3-7-5 حذف مسیرهای اجرا نشدنی   57
3-7-6 بهینه سازی کامپایلرها و تخمین زمان اجرای برنامه   57
3-7زبان های برنامه سازی و تخمین زمان اجرا   58
3-8رعایت میزان دقت تخمین در زمان اجرا  58
3-9معیارهای موجود در تخمین طولانی ترین زمان اجرا  59
3-10-1 تحلیل جریان داده  59
3-10-2 تحلیل کاهش بازگشتی  61
3-10-3 حجم زیاد اطلاعات  62
3-10-4 استفاده از کد Object برنامه  63
3-10بایت کد جاوا و محاسبه زمان اجرای دستورالعملها  63
3-11محاسبه زمان اجرای حلقه ها  64
3-12-1 نحوه شناسایی حلقه های تکرار  65
3-12انتشار دامنه مقادیر  67
3-13دستورات شرطی و نحوه شناسایی آنها  68
3-14محاسبه زمان اجرای کل برنامه با استفاده از روش پیشنهادی    70
3-15-1 تشخیص حلقه های تکرار  71
3-15-2 تخمین تعداد تکرار حلقه ها  71
3-15-3 انتشار مقادیر  71
3-15-4 محاسبه زمان اجرای توابع موجود در یک دور از گراف  71
3-15یافتن نقاط همگام سازی  73
3-16بررسی نتیجه الگوریتم پیشنهادی برروی یک برنامه نمونه 76
3-17جمع بندی  80
4-فصل چهارم - خوشه بندی  81
4-1مقدمه  82
4-2خوشه بندی سلسله مراتبی  82
4-3خوشه بندی سلسله مراتبی پایین به بالا (تلفیق)  85
4-4روش های ادغام خوشه ها در خوشه بندی پایین به بالا  88
4-4-1     Single Linkage 88
4-4-2Complete Linkage  89
4-4-3Group Average Linkage  89
4-4-4Simple Average Linkage  90
4-4-5Weighted Average Linkage  91
4-4-6سه روش مفید دیگر (Median, Centroid, Wards )  91
4-5تکنیک های یافتن تعداد خوشه های بهینه  94
4-5-1جدول تلفیق (جدول ادغام)  94
4-5-2تراز تلفیق  96
4-5-3نمودار dendrogram  96
4-5-4تعیین تعداد خوشه های بهینه  98
4-6تکنیک های پیدا کردن نقطه پیچش در نمودار جدول تلفیق 100
4-7روش پیشنهادی در این پایان نامه جهت خوشه بندی  103
4-7-1الگوریتم پیشنهادی برای خوشه بندی کلاس ها  103
4-8جمع بندی  106
5-فصل پنجم - پیاده سازی و ارزیــابــی  108
5-1محیط پیاده سازی شده  109
5-2مقایسة روش خوشه بندی پیشنهادی با روش حریصانه متداول 111
6-فصل ششم - نتیجـه‌گیـری  120
6-1نتیجه گیری  121
6-2کارهای آتی   121
منابع و مراجع  123

شامل 130 صفحه فایل word