فیلم آموزشی مبانی داده کاوی یا Data Mining (به زبان فارسی)

فیلم آموزشی مبانی داده کاوی یا Data Mining (به زبان فارسی)

در فیلم آموزشی مبانی داده کاوی، با مروری بر مفاهیم پایه داده کاوی و مسائلی که در این حوزه مطرح است، تصویری جامع از عملیات داده کاوی و کاربردهای آن در زمینه های مختلف ارائه شده است. این موضوع، به ویژه با طرح مثال های متنوع از حوزه های مختلف، این فیلم آموزشی را تبدیل به یک مرجع آموزشی جامع و کاربردی برای اکثر مخاطبین کرده است. 

در بسیاری از رشته های علمی و فنی، در نهایت ما با مجموعه ای از داده ها روبرو هستیم که حجم کم یا زیادی را دارند؛ اما مهم ترین کار، به دست آوردن چنین پایگاه داده ای نیست. بلکه باید بتوانیم، سطح بالاتری از دانش را با توجه به پایگاه داده مذکور به دست بیاوریم؛ این یعنی نتیجه گیری و جمع بندی تمام تلاش هایی که برای جمع آوری آن داده ها صرف شده است. این عملیات، و مجموعه دیگری از کارهای مرتبط با آن، موضوع بحث یکی از زیر شاخه های مشترک علوم کامپیوتر و آمار، به نام داده کاوی یا Data Mining است. فرآیند کلی استخراج دانش از داده، معنای عام تری از داده کاوی را در بر دارد که به Knowledge Discovery from Data یا KDD معروف است. برای کسب اطلاعات بیشتر در خصوص این فیلم آموزشی، لینک ادامه مطلب را ببینید.

ادامه مطلب >>

فیلم آموزشی خوشه بندی فازی و طراحی سیستم فازی مبتنی بر خوشه بندی در متلب

فیلم آموزشی خوشه بندی فازی و طراحی سیستم فازی مبتنی بر خوشه بندی در متلب

یکی از روش های طراحی سیستم های فازی، استفاده از رویکردهای خوشه بندی یا Clustering است. در این فیلم آموزشی، با اشاره به مفاهیم اساسی موجود در بحث خوشه بندی، علاوه بر مرور روش کلاسیک k-Means (یا همان c-Means) نسخه فازی آن یعنیFuzzy c-Means (به اختصار FCM) مورد بحث و بررسی واقع شده است. همچنین رویکرد خوشه بندی دیگری به نام خوشه بندی کاهشی یا Subtractive Clustering نیز در این فیلم آموزش بررسی شده است. پیاده سازی تمامی این روش ها به صورت گام به گام در محیط متلب آموزش داده شده است.

در ادامه، روش های FCM و خوشه بندی کاهشی برای طراحی سیستم فازی مورد استفاده قرار گرفته اند که بعدا توسط رویکرد ANFIS بهینه سازی شده است. به این ترتیب، در این فیلم آموزشی، رویکردهای خوشه بندی برای طراحی سیستم فازی-عصبی ANFIS به صورت کامل پوشش داده شده است.

 

برای کسب اطلاعات بیشتر در خصوص این فیلم آموزشی، ادامه مطلب را ببینید.

ادامه مطلب >>

فیلم آموزشی خوشه بندی یا Clustering با الگوریتم رقابت استعماری (به زبان فارسی)

فیلم آموزشی خوشه بندی یا Clustering با استفاده از الگوریتم رقابت استعماری (به زبان فارسی)

 

در این فرادرس، دانشجویان عزیز، با مباحث مختلف خوشه بندی یا Clustering با الگوریتم رقابت استعماری آشنا می شوند. سرفصل هایی که در این آموزش به آن پرداخته می شود، بانی طبقه بندی اطلاعات، تبدیل مسأله خوشه بندی به یک مسأله بهینه سازی، حل مسأله خوشه بندی با استفاده از الگوریتم رقابت استعماری و … می باشد. نقطه قوت این آموزش این است که به طور کامل به توضیح مباحث مربوطه پرداخته شده است و آموزش توسط یکی از بهترین مدرسین متخصص در این زمینه، انجام شده است.

الگوریتم رقابت استعماری یا Imperialist Competitive Algorithm (به اختصار ICA) یکی از جدیدترین الگوریتم های بهینه سازی هوشمند است که در حوزه هوش محاسباتی و محاسبات تکاملی معرفی شده است. جان مایه اصلی این الگوریتم، شبیه سازی فرآیند سیاسی استعمار است. به همان صورت که الگوریتم ژنتیک تکامل زیستی را شبیه سازی می کند، در الگوریتم رقابت استعماری، از تکامل سیاسی استفاده شده است. این الگوریتم در سال ۲۰۰۷ معرفی شده است و تا کنون در کاربردهای فراوان و زمینه های تحقیقاتی متنوعی، به عنوان ابزار بهینه سازی مورد استفاده قرار گرفته است. قدرت بالای این الگوریتم، به خصوص در برخورد با مسائل پیوسته، باعث شده است که الگوریتم رقابت استعماری به عنوان یکی از ابزارهای مهم در زمینه بهینه سازی به حساب بیاید.

در راستای پوشش نیازهای علمی جامعه هوش محاسباتی ایران، بسته کاملی از فیلم های آموزشی الگوریتم رقابت استعماری توسط متلب سایت تهیه شده اند که می توانند به عنوان مرجع کاملی برای دانشجویان و دانشپژوهان مورد استفاده قرار بگیرند. بخشی از این مجموعه آموزشی، که در این پست قصد معرفی آن را داریم، مربوط به حل مسأله خوشه بندی (کلاسترینگ) یا Clustering با استفاده از الگوریتم رقابت استعماری است. برای کسب اطلاعات بیشتر در خصوص این فیلم آموزشی، ادامه مطلب را ببینید.

 

ادامه مطلب >>

روشی جدید در خوشه بندی اطلاعات با استفاده از ترکیب الگوریتم کشورهای استعماری و k-means – پایان نامه

 

 

خانم الهه طاهریان فرد، در پایان نامه کارشانسی ارشد خود در دانشگاه شیراز زیر نظر دکتر نیکنام و دکتر روستا، با ترکیب الگوریتم رقابت استعماری و روش k-means، روش جدید و کارآمدی برای خوشه یابی (کلاسترینگ – Clustering)، معرفی کرده است. نتایج حاصل از این کار پژوهشی در قالب چندین مقاله در معتبرترین ژورنالهای مرتبط با این حوزه منتشر شده اند. در ادامه این پست، بخشهای خلاصه شده ای از متن پایان نامه ایشان را منتشر می کنیم.

ادامه مطلب >>

دانلود کد کلاسیفایر (طبقه بندی کننده) بهینه گوسی با تخمین گوسی توابع چگالی احتمال

فرض کنید که ما متنی را روی کاغذ داریم و می‌خواهیم آن را وارد رایانه کنیم. اولین روشی که به ذهن می‌رسد این است که متن را به تایپیست بدهیم تا با کامپیوتر تایپ کند. اما آیا می‌شود عین همان متن را وارد رایانه بکنیم تا نیازی به تایپ نباشد؟ بله! این کار از لحاظ علمی در دو فاز مهم انجام می پذیرد. فاز یک: استخراج ویژگی ها از تصاویر. فاز دوم: استفاده از یک روش طبقه بندی. هر فاز به نوبه خود دارای اهمیت خاصی بوده و موقیت درعمل طبقه بندی نیاز به دانش کافی در هریک از آنها دارد. یکی از تکنیکهای کلاسیک به کار رفته در فاز طبقه بندی، استفاده از کلاسیفایر (طبقه بندی کننده) گوسی با تخمین گوسی توابع چگالی احتمال است. ادامه مطلب را ببینید.

ادامه مطلب >>