فیلم آموزشی جامع خوشه بندی یا Clustering - بخش دوم

بسیاری از مسائل داده کاوی را می توان به صورت یک مسأله خوشه بندی یا Clustering بیان نمود، که در آن یک عامل هوشمند یا نیمه-هوشمند باید بتواند بدون در دست داشتن هیچ اطلاعات زمینه ای، طبقه بندی منطقی از یک سری موارد در دسترس را داشته باشد. در واقع مسأله خوشه بندی، یک مسأله یادگیری غیر نظارت شده است. در فیلم آموزشی جامع خوشه بندی یا Clustering، پس از مرور کلی بر مفاهیم پایه خوشه بندی و تفاوت های آن با مسأله طبقه بندی یا Classification، چندین روش مهم و پرکاربرد در حوزه آنالیز خوشه معرفی و به صورت عملی در محیط متلب پیاده سازی شده اند. سرفصل های مهم‌ترین مباحث مطرح شده در این فیلم آموزشی در ادامه آمده اند: * مروری بر مفاهیم پایه خوشه بندی یا Clustering * مروری بر تفاوت های خوشه بندی و طبقه بندی * ارائه چند مثال از کاربردهای خوشه بندی در داده کاوی و مسائل عملی * بررسی انواع روش های خوشه بندی * روش های خوشه بندی مبتنی بر تقسیم بندی یا Partitioning Methods * بررسی روش k-Means (الگوریتم Lloyd) به همراه پیاده سازی در متلب * بررسی روش k-Medoids به همراه پیاده سازی در متلب * بررسی روش Fuzzy C-Means یا FCM و پیاده سازی آن در متلب * معرفی نگاشت های خود سازمان ده یا SOM و پیاده سازی آن ها در محیط متلب * روش های خوشه بندی سلسله مراتبی یا Hierarchical Clustering * بررسی روش های بالارونده یا AGNES و پایین رونده یا DIANA * پیاده سازی رویکرد AGNES در محیط متلب * روش های خوشه بندی مبتنی بر چگالی یا توزیع * بررسی الگوریتم DBSCAN یا Density-Based Spatial Clustering of Applications with Noise * پیاده سازی الگوریتم DBSCAN در محیط متلب * روش های خوشه بندی جدولی یا Grid-based Clustering * بررسی رویکردهای استفاده از الگوریتم های تکاملی و بهینه سازی در خوشه بندی این فیلم آموزشی، بخشی از یک محصول بزرگ تر، یعنی بسته طلایی فیلم های آموزشی داده کاوی یا Data Mining در متلب است. کلمات کلیدی: AGNES, Clustering, Data Mining, Data Mining in MATLAB, DIANA, FCM, Fuzzy c-Means, Grid-based Clustering, Hierarchical Clustering, KDD, Knowledge Discovery, Knowledge Discovery from Data, Partitioning Clustering Methods, Self-Organizing Maps, SOM, استخراج دانش, الگوریتم DBSCAN, الگوریتم Lloyd, تفاوت خوشه بندی و طبقه بندی, خوشه بندی, خوشه بندی بالارونده, خوشه بندی جدولی, خوشه بندی سلسله مراتبی, خوشه بندی سلسله مراتبی در متلب, خوشه بندی فازی, خوشه بندی فازی در متلب, خوشه بندی مبتنی بر تقسیم بندی, خوشه بندی مبتنی بر توزیع, خوشه بندی مبتنی بر چگالی, خوشه بندی پایین رونده, داده کاوی, داده کاوی در متلب, روش k-Means, روش k-Medoids, شبکه عصبی SOM, مبانی داده کاوی, نگاشت خود سازمان ده, پیاده سازی DBSCAN در متلب, پیاده سازی k-Means در متلب, پیاده سازی k-Medoids در متلب, کاربردهای خوشه بندی, کاوش دانش, کشف دانش برای کسب اطلاعات بیشتر، لینک زیر را ببینید: http://matlabsite.com/mvrdm9206