تأثير الضوضاء على نتائج خوارزمية التجميع
| العنوان بلغة أخرى: |
Noise Effect on the Clustering Algorithm Results |
|---|---|
| المؤلف الرئيسي: | جبار، هدى قاسم (مؤلف) |
| مؤلفين آخرين: | سرسوح، جاسم طعمه (مشرف) , هاشم، كاظم مهدي (مشرف) |
| التاريخ الميلادي: |
2015
|
| موقع: | الناصرية |
| التاريخ الهجري: | 1436 |
| الصفحات: | 1 - 195 |
| رقم MD: | 881302 |
| نوع المحتوى: | رسائل جامعية |
| اللغة: | الإنجليزية |
| الدرجة العلمية: | رسالة ماجستير |
| الجامعة: | جامعة ذي قار |
| الكلية: | كلية التربية للعلوم الصرفة |
| الدولة: | العراق |
| قواعد المعلومات: | Dissertations |
| مواضيع: | |
| رابط المحتوى: |
الناشر لهذه المادة لم يسمح بإتاحتها. |
| المستخلص: |
التجميع هو تقسيم البيانات إلى مجاميع من الكائنات المتشابهة، وله مدى واسع من التطبيقات. في كثير من الحالات، تشكل البيانات الغير منظمة جزءا كبيرا من المدخلات. إن محاولة تجميع هذا الجزء من البيانات والتي يمكن أن يشار إليها بالضوضاء يمكن أن تخل بتجميع نقاط المجال المتبقية. على الرغم من الحاجة العملية لإطار التجميع الذي يسمح لجزء من البيانات أن تبقى غير مجمعة. لقد تم إجراء أبحاث قليلة حتى الآن في هذا الاتجاه. في هذه الأطروحة، نحن نأخذ خطوة نحو معالجة مسألة التجميع في وجود الضوضاء. إن الهدف من هذا البحث هو دراسة تأثير الضوضاء على أداء خوارزميات التجميع المختلفة. إن تأثير الضوضاء على خوارزمية التجميع المقترحة يكون منخفض جدا بالمقارنة مع خوارزميات التجميع الأخرى. إن التجميع يستخدم على نطاق واسع في العديد من التطبيقات بما في ذلك المجال الطبي والمالي وغيرها. والتجميع يمكن تطبيقه على قاعدة البيانات باستخدام أساليب مختلفة بناءا على المسافة والكثافة والتسلسل الهرمي والتقسيم. ويطلق على عنصر البيانات الغير مرتبطة لاستخراج البيانات بالضوضاء. الضوضاء هو مشكلة رئيسية في تحليل المجموعات، الذي يؤثر سلبا على أداء مختلف خوارزميات التجميع على الكفاءة والوقت. غرضنا هو دراسة كفاءة الخوارزمية المقترحة في استجابتها للضوضاء. استخدمنا خوارزمية K-mean وخوارزمية التجميع المقترحة اعتمادا على التقسيم وسنقوم بإضافة أنواع مختلفة من الضوضاء إلى قاعدة البيانات المحددة ثم نقيس تأثير هذه الضوضاء على نتائج خوارزميات التجميع (K-mean وخوارزمية التجميع المقترحة). درسنا تحدي خوارزميتنا المقترحة للضوضاء عن طريق حساب الكفاءة والوقت وعدد المجاميع التي تم الحصول عليها. ثم سيتم تباين نسبة الضوضاء، والكفاءة، وسيتم احتساب الوقت اللازم للتجميع. وملاحظة النتائج التي ستستخدم لمقارنة كفاءة الخوارزميات ووقت المعالجة. إن خوارزمية التجميع المقترحة والخوارزميات الأخرى نفذت باستخدام لغة البرمجة (MATLAB R2014b) والبرامج تعمل تحت نظام التشغيل windows 7 Ultimate service pack1 operating system type (32-bit) الاختبارات تطبق باستخدام (Core i5, processor 2.60 GHz, RAM 6 G-byte) أظهرت النتائج أن كفاءة خوارزمية التجميع المقترحة لا تتأثر بوجود الضوضاء ولكن كفاءتها تقل إذا تم زيادة نسبة الضوضاء. |
|---|
عناصر مشابهة
-
Invariant Moments Based Noise Classification Using Feed Forward Backpropagation Neural Network
بواسطة: أبو صالح، رندة رفعت منشور: (2016) -
On the Metropolis-Hastings algorithm
بواسطة: Sinwar, Aya A. منشور: (2015) -
A Novel Hybrid Algorithm Of GSA With Kepler Algorithm For Numerical Optimization
بواسطة: Sarafrazi, Soroor منشور: (2015) -
Three-dimensional supervirtual seismic refraction interferometry
بواسطة: Edigbue, Paul Irikefe منشور: (2015) -
Comparative Study of Image Denoising Using Wavelet Transforms and Optimal Threshold and Neighbouring Window
بواسطة: علوان، إيمان محمد جعفر منشور: (2014)
