ارسل ملاحظاتك

ارسل ملاحظاتك لنا







A New clustering Algorithm For Biometri Dataset

العنوان بلغة أخرى: طريقة جديدة لعنقدة البيانات البايومترية
المؤلف الرئيسي: الخفاجي، زينب ناصر عزيز (مؤلف)
مؤلفين آخرين: الشريفي، شاكر كاظم على (مشرف)
التاريخ الميلادي: 2015
موقع: الناصرية
التاريخ الهجري: 1437
الصفحات: 1 - 75
رقم MD: 1008411
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.

صورة الغلاف QR قانون
حفظ في:
LEADER 05046nam a2200337 4500
001 1749785
041 |a eng 
100 |9 544355  |a الخفاجي، زينب ناصر عزيز  |e مؤلف 
245 |a A New clustering Algorithm For Biometri Dataset 
246 |a طريقة جديدة لعنقدة البيانات البايومترية 
260 |a الناصرية  |c 2015  |m 1437 
300 |a 1 - 75 
336 |a رسائل جامعية 
502 |b رسالة ماجستير  |c جامعة ذي قار  |f كلية التربية للعلوم الصرفة  |g العراق  |o 0137 
520 |a نظرا للاستخدام الواسع لخوارزميات العنقدة في الكثير من المجالات (تنقيب بيانات، ضغط الصور، تصفح الإنترنت،.. وغيرها) لذلك ظهرت الكثير من الخوارزميات بالإضافة إلى الخوارزميات الجاهزة التي توفرها لغة Matlab‎. في هذا الأطروحة تم اقتراح طريقة جديدة لعنقدة البيانات. الخوارزمية المقترحة تعتمد على مبدأ استبعاد العناصر التي تم عنقدتها. فكرة الخوارزمية المقترحة مبنية على أساس حساب مصفوفة المسافة للعناصر المراد عنقدتها، ثم استبعاد عناصر المصفوفة التي تم عنقدتها وذلك بحفظ موقع (الصف، العمود) لهذه النقاط وتحديد أقل مسافة لكل النقاط التي تعود إلى الصنف أو المجموعة وتحتفظ ببقية النقاط التي لم يتم عنقدتها بعد. الخوارزمية المقترحة تم تطبيقها على قاعدة بيانات خاصة بالصور الوجه للإنسان والتي تكون بظروف معينة (الحركة، الزاوية، ...) هذه البيانات تم الحصول عليها من مصادر مختلفة (موقع ORL وصور حقيقة تم أخذها بصورة عشوائية من عينة من مدينة ذي قار في العراق) الخوارزمية المقترحة تم تنفيذها على أكثر من 10 طرق لحساب المسافة (…, minkowski, Euclidean, corrlation). وقد تم التوصل إلى نسبة كفاءة عالية حيث تصل إلى (96%) وهذه الكفاءة متغيرة بالاعتماد على نوع البيانات المستخدمة وعددها وعلى طريقة المسافة المستخدمة. وقد تم مقارنة الخوارزمية مع 3 خوارزميات (modify of k-medoid, k-medoid algorithm, graph theory algorithm algorithm) مع نفس قاعدة البيانات المستخدمة ونفس الطرق لحساب المسافة. في خوارزمية graph theory طمع تعتمد على مبدأ الجيران. حيث تقوم بحساب المسافة ثم إيجاد الجيران لكل عنصر من خلال قيمة عتبة يحددها المستخدم أثناء التنفيذ. أما خوارزمية k-medoid فأنها تعمل على أساس تقسيم مجموعة النقاط إلى عدد من المجموعات باختيار مراكز عناقيد عشوائية. ثم حساب مسافة كل مجموعة وتغييرها في كل تنفيذ للحصول على أقل مسافة ممكنة لكل مجموعة أيضا في هذا العمل تم تطوير بسيط لخوارزمية k-medoid يمكن استخدام نفس الخوارزمية ولكن لا يكون العامل المحدد هو عدد المجاميع وإنما العدد الأكبر من النقاط داخل المجموعة ونقوم بالتكرار بتغيير عدد الكلاسترات في كل مرة إلى حين الوصول إلى العدد المطلوب وبذلك نجمع بين الــــ ((ميدويد)) الأقرب وبين العدد الأكبر داخل الكلاستر ولا نتحدد بعدد ثابت من الكلاسترات. تم استخدامه ماتلاب (2014) في العمل، وحاسبة core i5 Hp 
653 |a علوم الكمبيوتر  |a الذكاء الاصطناعي  |a العلوم البرمجية 
700 |9 544090  |a الشريفي، شاكر كاظم على  |g Al_Sharify, Shaker kadhem Ali  |e مشرف 
856 |u 9805-016-008-0137-T.pdf  |y صفحة العنوان 
856 |u 9805-016-008-0137-A.pdf  |y المستخلص 
856 |u 9805-016-008-0137-C.pdf  |y قائمة المحتويات 
856 |u 9805-016-008-0137-F.pdf  |y 24 صفحة الأولى 
856 |u 9805-016-008-0137-1.pdf  |y 1 الفصل 
856 |u 9805-016-008-0137-2.pdf  |y 2 الفصل 
856 |u 9805-016-008-0137-3.pdf  |y 3 الفصل 
856 |u 9805-016-008-0137-4.pdf  |y 4 الفصل 
856 |u 9805-016-008-0137-O.pdf  |y الخاتمة 
856 |u 9805-016-008-0137-R.pdf  |y المصادر والمراجع 
856 |u 9805-016-008-0137-S.pdf  |y الملاحق 
930 |d n 
995 |a Dissertations 
999 |c 1008411  |d 1008411 

عناصر مشابهة