بررسی الگوریتم های خوشه بندی جریان داده متنی
|
||||||||||||||
فهرست مطالب : فصل اول |— ۱- ۱ مقدمه |— ۱-۲ تعریف داده کاوی |— ۱-۳ کاربردهای داده کاوی |— ۱-۴ مراحل داده کاوی |— ۱- ۵ تکنیکها و روشهای داده کاوی |— ۱-۶ مقدمهای بر خوشهبندی |— ۱-۷ کلاستر چیست؟ |— ۱-۸ انواع کلاسترها |— ۱-۹ خوشهبندی در مقابل طبقهبندی |— ۱-۱۰ یادگیری با نظارت در مقابل یادگیری بدوننظارت |— ۱-۱۱ کاربردها |— ۱-۱۲ مسائل درگیر با روشهای خوشهبندی موجود |— ۱-۱۳ خوشهبندی در مقابل چندیسازی برداری |— ۱-۱۴ ویژگی های الگوریتم های خوشه بندی |— ۱-۱۵ روشهای خوشهبندی |—|— ۱-۱۵-۱ خوشهبندی انحصاری و خوشهبندی با همپوشی |—|—|— ۱-۱۵-۱-۱ خوشه بندی فازی |—|— ۱-۱۵-۲ خوشهبندی سلسله مراتبی و خوشهبندی مسطح |—|— ۱-۱۵-۳ روشهای خوشهبندی سلسله مراتبی |—|—|— ۱-۱۵-۳-۱ خوشهبندی با روش Single-Link |—|—|— ۱-۱۵-۳-۲ خوشهبندی با روش Complete-Link |—|—|— ۱-۱۵-۳-۳ خوشهبندی با روش Average-Link |—|—|— ۱-۱۵-۳-۴ خوشهبندی با روش Group Average Link |—|—|— ۱-۱۵-۳-۵ خوشهبندی با روش Median Distance |—|—|— ۱-۱۵-۳-۶ خوشهبندی با روش Ward |—|—|— ۱-۱۵-۳-۷ الگوریتم خوشهبندی پایین به بالای عمومی |—|— ۱-۱۵-۴ روش خوشهبندی K-Means (C-Means یا C-Centeriod) |—|—|— ۱-۱۵-۴-۱ مشکلات روش خوشهبندی K-Means |—|—|— ۱-۱۵-۴-۲ مزایای روش خوشه بندی K-Means |—|— ۱-۱۵-۵ الگوریتم خوشهبندی LBG |—|—|— ۱-۱۵-۶ خوشهبندی بر اساس چگالی |—|—|—|— ۱-۱۵-۶-۱ الگوریتم خوشهبندی براساس چگالی DBSCAN |—|—|—|— ۱-۱۵-۶-۲ الگوریتم سلسله مراتبی خوشهبندی براساس چگالی OPTICS |—|— ۱-۱۵-۷ مزایای خوشهبندی بر اساس چگالی |—|— ۱-۱۵-۸ بررسی تکنیکهای اندازهگیری اعتبار خوشهها |— ۱-۱۶ خوشه بندی متن |—|— ۱-۱۶-۱ الگوریتم خوشه بندی Bi-Section-K Means |—|— ۱-۱۶-۲ خوشه بندی مستندات متنی به کمک انتولوژی |—|— ۱-۱۶-۳ کامپایل کردن دانش پس زمینه درون متن |—|— ۱-۱۶-۴ استراتژی های استفاده از کلمه در مقابل مفهوم |— ۱-۱۷ خوشه بندی جریانهای داده |— ۱-۱۸ جریان داده متنی
فصل دوم ( بررسی الگوریتم های خوشه بندی جریان های داده متنی) |— ۲-۱ مقدمه |—|— ۱TF-ICF 2-2-1 |—|— ۲-۲-۲ الگوریتم STREAMING OSKM |—|—|— ۲-۲-۲-۱ K-means کروی انلاین |—|—|— ۲-۲-۲-۲ پیاده سازی کارامد oskm |—|—|— ۲-۲-۲-۳ خوشه بندی مقیاس پذیر |—|—|— STREAMING OSKM2-2-2-4 |—|—|— ۲-۲-۲-۵ ارزیابی و مقایسه |—|— ۲-۲-۳ الگوریتم OCTS |—|—|— ۲-۲-۳-۱ تعاریف اولیه |—|—|— ۲-۲-۳-۲ مدل بهبود دهنده معنایی۳ |—|—|— ۲-۲-۳-۳ الگوریتم خوشه بندی انلاین OCTS |—|—|— ۲-۲-۳-۴ الگوریتم OCTS |—|—|— ۲-۲-۳-۵ ارزیابی و مقایسه |—|— ۲-۲-۴ ویژگی های Bursty |—|—|— ۲-۲-۴-۱ ارائه ویژگی bursty |—|— ۲-۲-۵ الگوریتم خوشه بندی جریان متن بر اساس انتخاب ویژگی انطباقی۴ |—|—|— ۲-۲-۵-۱ معایب الگوریتم TSC-AFS |— ۲-۳ معیارهای ارزیابی کیفیت خوشه بندی
فصل سوم : جمع بندی و پیشنهادات فهرست منابع
چکیده : در تاریخ در حال توسعه اینترنت، اطلاعات متنی نقش فوق العاده مهمی را بازی می کند. امروزه هنوز هم اطلاعات متنی اساسی ترین و فرم اصلی اطلاعات در اینترنت هستند. بنابراین تقاضای نظارت، مدیریت اطلاعات متنی و استفاده از آن به عنوان منابع با ارزش زیاد، به سرعت در حال افزایش یافتن است. امروزه تجزیه و تحلیل جریان متن دارای اهمیت فراوان است و کاربردهای مختلف از جمله فیلترینگ گروههای خبری، تشخیص و ردیابی موضوع، جریان آهسته متن، شبکه- های حسگر، سازماندهی اسناد و شناسایی کاربر دارد. خوشه بندی یکی از مهم ترین روش های تجزیه و تحلیل جریان متن است. مسئله خوشه بندی جریان متن نسبت به خوشه بندی جریانهای عددی در آغاز راه است و به تازگی مورد توجه محققان بیشتری قرار گرفته است. در این مقاله به بررسی الگوریتم های ارائه شده برای خوشه بندی جریانهای داده متنی پرداخته و سیر پیشرفت این الگوریتم ها در راستای افزایش کارایی و بهبود کیفیت خوشه بندی متون بررسی شده است. کلمات کلیدی: خوشه بندی، جریان داده، جریان داده متنی، خوشه بندی جریان داده متنی (فایل کامل این پروژه ۸۶ (هشتاد و شش) صفحه word همراه با منابع و ماخذ می باشد.) در تمامی ساعات شبانه روز >> پرداخت آنلاین و دانلود آنی فایل پس از پرداخت.
|
بررسی الگوریتم های خوشه بندی جریان داده متنی
توجه مهم :
*دوست عزیز در صورت نداشتن رمز پویا یا قطع بودن درگاه بانکی ، لطفا نام پروژه درخواستی خود را جهت هماهنگی برای دریافت شماره کارت واریزی و دریافت لینک دانلود، به واتساپ پشتیبانی سایت ۰۹۳۹۲۷۶۱۶۳۰ ارسال کنید *(از ساعت ۸ الی ۲۳)
دیدگاهتان را بنویسید