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

پیوست

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.