Research Specifications

Home \تشخیص همسایگی نقاط داده در ...
Title تشخیص همسایگی نقاط داده در خوشه بندی با استفاده از ساختار هندسی دایره آپولونیوس و رابطه همسایگی متقابل
Type of Research Thesis
Keywords تشخیص همسایگی، ساختار هندسی، دایره آپولونیوس، همسایگان متقابل، خوشه بندی، قله متراکم
Abstract امروزه، توسعه سریع فن آوری های اینترنتی و کاربردهایی نظیر شبکه های اجتماعی و اینترنت اشیا منجر به تولید حجم زیادی از داده های الکترونیکی می شود. روش های یادگیری ماشین برای استخراج دانش مفید از این داده ها انجام می شود. در بسیاری از زمینه های یادگیری ماشین مانند طبقه بندی و خوشه بندی، از الگوریتم های ساخت همسایگی برای مدل سازی روابط محلی بین نمونه های داده استفاده می شود. در یافتن ارتباط بین نقاط داده، تشخیص دقیق همسایگی نقاط به طورغیرقابل انکاری برای پردازش داده ها مفید است. اگر روابط هندسی موجود بین نقاط داده در منطقه همسایگی با دقت بررسی شود، مشاهده قوانین رفتاری و هم چنین شباهت های موجود در داده ها عملی خواهد بود. این امر هم چنین به شناسایی دامنه های همسایگی غیرمستقیم و مستقیم کمک خواهد کرد. یافتن همسایگی و اتصال نقطه داده برای خوشه بندی دامنه ها و گروه بندی داده ها، برای کاربردهایی نظیر شناسایی جوامع شبکه های اجتماعی و دسته بندی لبه های مرتبط به هم در مصورسازی داده ها، بسیار حیاتی است. بنابراین، یافتن همسایگی نقاط داده همواره مسئله چالش برانگیزی بوده است. روش های مختلف ساخت همسایگی و خوشه بندی نقاط داده از جمله مواردی است که در مراجع مختلف ارائه شده و به تحلیل داده ها کمک می کنند. روش های خوشه بندی شاخه ای از روش های یادگیری ماشین برای آنالیز داده های بدون برچسب است. ضروری است که برای یافتن دامنه های خوشه بندی، همسایگی داده ها و ارتباط داده ها را پیدا کنیم. همچنین از الگوریتم های ساخت همسایگی برای کشف مناطق تصمیم گیری در میان داده ها به منظور تجزیه و تحلیل و پردازش آن ها استفاده می شود تا در نتیجه بتوان از آن ها در حوزه های مختلف علمی استفاده کرد. در میان روش های موجود، روش های مبتنی بر هندسه به دلیل دقت بالا در مکان یابی نقاط همسایگی مفید هستند، با این حال نیاز به بررسی هر نقطه در همسایگی برای تشکیل گروه های مشابه دارند. به عبارت دیگر، آن ها هزینه های محاسباتی بالایی دارند. بنابراین برای داده های با ابعاد بالا مقیاس پذیر نیستند. برای حل این مشکلات الگوریتم های ساخت همسایگی بر اساس ساختار هندسی دایره آپولونیوس بهبود یافته می تواند راهکار مناسبی باشند.
Researchers (Student)، Mahdi Hashemzadeh (Primary Advisor)، شهین پوربهرامی (Advisor)