Skip to main content
SUPERVISOR
Mehdi Khashei ashyani
مهدی خاشعی اشیانی (استاد راهنما)
 
STUDENT
Maryam Azarbayejani
مریم آذربایجانی

FACULTY - DEPARTMENT

دانشکده مهندسی صنایع
DEGREE
Master of Science (MSc)
YEAR
1395

TITLE

Proposing a new class of clustering methods based on supervised learning processes Case study: regression
Clustering is one of the most important and widely used techniques in data mining. Different algorithms for clustering have been described in literature; each of these algorithms have been introduced based on different notion of clustering. All algorithms developed for clustering follow an iterative process and their learning methods are unsupervised. Unsupervised learning methods are used for grouping unlabeled dataset and the learning process is performed without supervision. Unsupervised methods are costly and time consuming. Another learning method is the supervised learning. Supervised learning methods group labeled datasets and it can be said that the learning process is done in the presence of a supervision.
خوشه‌بندی یکی از مهم‌ترین و گسترده‌ترین تکنیک‌های مورد استفاده در داده‌کاوی می‌باشد. الگوریتم‌های مختلفی برای خوشه‌بندی در ادبیات موضوع بیان شده است؛ هر کدام از این الگوریتم‌ها بر اساس تعاریف مختلفی که برای خوشه‌بندی بیان شده، معرفی گردیده‌اند. تمامی الگوریتم‌های گسترش‌یافته برای خوشه‌بندی، از فرآیندهای تکراری پیروی می‌کنند و روش‌های یادگیری آن‌ها نیز روش‌هایی بدون ناظر می‌باشند. روش‌های یادگیری بدون ناظر روش‌هایی هستند که وظیفه‌ی گروه‌بندی داده‌های بدون برچسب را بر عهده دارند و فرآیند یادگیری بدون هیچ نظارتی انجام می‌پذیرد. روش‌های بدون ناظر، اصولاً روش‌هایی پرهزینه و زمان‌بر می‌باشند که در مقابل روش‌های یادگیری باناظر قرار می‌گیرند. در روش‌های یادگیری باناظر، داده‌های مورد استفاده اصطلاحاً برچسب‌دار می‌باشند و می‌توان گفت فرآیند یادگیری در حضور یک ناظر انجام می‌گیرد. برچسب‌دار کردن داده‌ها اغلب فرآیندی زمان‌بر و پرهزینه می‌باشد و در بسیاری از مواقع، این کار به‌صرفه نیست.

ارتقاء امنیت وب با وف بومی