دانلود پایان نامه کارشناسی رشته کامپیوتر با موضوع پروژه فازی

اختصاصی از فی گوو دانلود پایان نامه کارشناسی رشته کامپیوتر با موضوع پروژه فازی دانلود با لینک مستقیم و پر سرعت .

در این پست می توانید متن کامل این پایان نامه را  با فرمت ورد word دانلود نمائید:

 پروژه فازی

استاد راهنما :

جناب آقای دکتر یعقوبی

توسط :

فاطمه دهقان

چکیده

خوشه بندی روشی است که داده های یک مجموعه داده را به گروه یا خوشه تقسیم می کند . از مرسوم ترین روش های خوشه بندی،الگوریتم های خوشه بندی k-Means وfuzzy k-Means می باشند.این دو الگوریتم فقط روی داده های عددی عمل می کنند و به منظور رفع این محدودیت، الگوریتم های k-Modes و fuzzy k-Modes ارائه شدند که مجموعه داده های گروهی (دسته ای) را نیز خوشه بندی می کنند. . با این وجود، این الگوریتم ها ،شبیه همه روال های بهینه سازی دیگر که برای مینیمم عمومی یک تابع جستجو می کنند، احتمال گیر افتادن در یک مینیمم محلی وجود دارد. به منظوردستیابی به جوبب بهینه عمومی ، الگوریتم های تکاملی مانند ژنتیک و جدول جستجو با الگوریتم های مذکور ترکیب می شوند. در این پژوهش، الگوریتم ژنتیک ، GA، را با الگوریتم fuzzy k-Modes ترکیب شده ،بطوریکه عملگر ادغام به عنوان یک مرحله از الگوریتم fuzzy k-Modes تعریف می شود. آزمایش ها روی دو مجموعه داده واقعی انجام شده است تا همراه با مثال کارایی الگوریتم پیشنهادی را روشن نماید.

1.مقدمه

به عنوان یک ابزار اولیه در داده کاوی ،تجزیه و تحلیل خوشه ، که تجزیه و تحلیل سگمنت نیز نامیده می شود،روشی است که داده ها را به گروه هایی همگن تحت عنوان خوشه تقسیم می کند.در چنین روشی داده های موجود در یک کلاستر یا خوشه خیلی شبیه به هم و داده ها ی کلاستر های مختلف خیلی متفاوت نسبت به هم هستند.اغلب، شباهت بر مبنای معیار فاصله می باشد.

آنالیز خوشه،خوشه بندی، تکنیک عمومی برای آنالیز داده های آماری می باشد که در بسیاری زمینه ها مانند یادگیری ماشین ، داده کاوی ، شناسایی الگو و آنالیز تصویر کاربرد دارد.در کنار اصطلاح خوشه بندی داده (یا فقط خوشه بندی)،بعضی اصطلاحات دیگرنیزهمانند کلاس بندی اتوماتیک ،طبقه بندی عددی، آنالیز نوع شناسی ، با معنای مشابه استفاده می شود[1].

به طور کلی ،یک الگوریتم خوشه بندی خوب معمولا برای طراحی شامل چهار فاز ذیل را شامل می شود:1- نمایش داده2- مدل کردن.3- بهینه سازی.4- اعتبار سنجی[2] ..

فاز نمایش داده، تعیین می کند که چه نوعی از ساختارهای خوشه می تواند داده ها را شناسایی کند.سپس فاز مدلینگ ضوابط و معیار ها را برروی ساختار تعریف می کند بطوریکه که ساختارها ی گروه های مطلوب را از موارد نامطلوب مجزا می کند.در فاز مدلینگ ، در طول جستجو برای ساختار های مخفی در داده ،یک معیار کیفیت مانند معیار بهینه سازی یا معیار تقریب تولید می شود. بعبارتی دیگرفاز بهینه سازش،ساختار های موثرتر و بهینه تر را انتخاب میکند. از آنجا که فرآیند خوشه بندی ،یک فرایند بدون سرپرستی است فاز اعتبار سنجی خیلی ضروری است تا نتایج تولید شده به وسیله الگوریتم خوشه بندی ارزیابی شوند.

به طور کلی ،الگوریتم های خوشه بندی به دو دسته تقسیم بندی می شوند[3,4] : الگوریتم های خوشه بندی سخت و الگوریتم های خوشه بندی فازی.

در چهارچوب خوشه بندی سخت ،هر شی ء به یک و فقط یک خوشه تعلق دارد و برعکس در چهار چوب خوشه بندی فازی به هر شی ء اجازه داده می شود که توابع تعلقی به همه خوشه ها داشته باشد.هر دو روش الگوریتم خوشه بندی سخت و فازی ،مرکز های خوشه (نمونه های اولیه) را تعیین می کنند و مجموع مربع فاصله بین این مرکز ها و خوشه ها را مینیمم می کنند.

بسیاری از الگوریتم ها به منظور دستیابی به خوشه بندی سخت در یک مجموعه داده پیشرفت داده شده اند.در بین آنها الگوریتم k-meansو روش های خوشه بندی IsoData به طور گسترده ای مورد استفاده گرفته اند.این دو الگوریتم بر پایه تکرار می باشند. کاربرد مجموعه های فازی در توابع کلاس بندی موجب می شود هر داده در یک زمان به چندین کلاس با درجه های متفاوت تعلق داشته باشد[3].

معروف ترین و پرکاربردترین الگوریتم خوشه بندی فازی ،الگوریتم fuzzy C-Means [7] است. الگوریتم fuzzy C-Means با یک مقدار اولیه از Wشروع می شود و مکررا بین تخمین مراکز خوشه Z داده شده درZ و تخمین ماتریس تعلق داده شده درW تکرار می شود تا هنگامیکه دو مقدار متوالی از Z یا W مساوی شوند.

از نظر ریاضی ،یک مسئله خوشه بندی فازی را می توان به صورت یک مسئله بهینه سازی به صورت ذیل نمایش داد.[5,6]

که n تعداد اشیاء در مجموعه داده مورد بررسی وk تعداد خوشه ها است .مجموعه از n شی ء است که هر یک با d ویژگی توصیف می شوند.   Z یک مجموعه با k مرکز کلاستر ، W یک ماتریس تعلق فازی و توان وزن و d معیار فاصله معین بین مرکز خوشه و شی ء می باشد.

از آنجا که الگوریتم fuzzy c-Means فقط روی داده های عددی کار می کند،یک الگوریتم fuzzy k-Modes  را به منظور خوشه بندی مجموعه داده های گروهی پیشنهاد می دهیم [6-9] . با این وجود،این الگوریتم ها ،شبیه همه روال های بهینه سازی دیگر که برای مینیمم عمومی یک تابع جستجو می کنند، احتمال گیر افتادن در یک مینیمم محلی وجود دارد.

برای مسئله بهینه سازی ،یک مسئله شناخته شده وابسته به هر دو الگوریتم fuzzy C-Means و fuzzy k-Modes این است که آنها ممکن است روی بهینه محلی متوقف شوند[5] .برای رفع این مشکل و رسیدن به یک راه حل عمومی،تکنیک های بر پایه الگوریتم های ژنتیک و تابو سرچ به کار برده شده اند. برای مثال ،الگوریتم genetic k-Means،الگوریتم genetic و الگوریتمk-Means  را ترکیب می کند بدین منظورکه راه حل عمومی و بهینه را پیدا کند[10].به منظور پیدا کردن راه حل بهینه عمومی برای الگوریتم fuzzy k-Modes،Ng و Wong تابو سرچ را بر پایه الگوریتم fuzzy k-Modes معرفی کردند[11].

هدف اصلی در این پروژه این است که الگوریتم genetic fuzzy k-Modes را بکار ببریم تا الگوریتم های fuzzy k-Modes و genetic را به منظور پیدا کردن راه حل بهینه در مسئله بهینه سازی ترکیب کند[5].

طرح کلی پروژه به صورت ذیل است که در قسمت 2، مروری برکارهای قبل و دیگر روش ها خواهیم داشت .بدین صورت که ابتدا الگوریتم های k-means, fuzzy C-means,k-modes,fuzzy k-modes با جزییات شرح می دهیم که مقدمه ای از روال کلی رسیدن به الگوریتم مورد بررسی در این مقاله هستند. سپس در قسمت 3 ،روش پیشنهادی مان،الگوریتم ترکیبی genetic fuzzy k-Modes را تشریح می کنیم. نتایج پیاده سازی الگوریتم برروی دو مجموعه داد ه واقعی از UCI را در قسمت 4 نشان می دهیم ودر نهایت در قسمت 5 بعضی نتایج را عنوان می کنیم.

2- مروری بر روش های قبل

 1.2- الگوریتمk-means Hard

الگوریتم k-means،الگوریتمی است که n نمونه داده را بر پایه ویژگی هایشان به c قسمت (c<n) خوشه بندی می کند. الگوریتم k-means روال هایی بر پایه نمونه اولیه هستند که فاصله بین نمونه های اولیه و دیگر داده ها را به وسیله ساختار یک تابع هدف مینیمم می کند[7].بعبارتی دیگر هدف الگوریتم این است که واریانس درون خوشه ای کل ،یا تابع مربع خطا را مینیمم سازد.این الگوریتم در سال 1956 معرفی شد.

روال کلی الگوریتم بدین صورت می باشد که :

1. تعداد خوشه ها را ، k در نظر بگیرید.
2. به طور تصادفی k خوشه تولید کنید و مراکز خوشه ها را تعیین نمایید.یا به طور مستقیم، k نقطه رندم را به عنوان مراکز خوشه ها تولید کنید.
3. در مجموعه داده،هر نمونه داده را به نزدیکترین مرکز کلاسترآن نسبت دهید.
4. دوباره مراکز خوشه های جدید را بدست آورید.
5. دو مرحله قبل را تا زمانیکه همگرایی مناسب حاصل شود(تفاوتی در دو خوشه بندی متوالی وجود نداشته باشد)،تکرار نمایید.

(ممکن است هنگام انتقال از فایل ورد به داخل سایت بعضی متون به هم بریزد یا بعضی نمادها و اشکال درج نشود ولی در فایل دانلودی همه چیز مرتب و کامل است)

متن کامل را می توانید دانلود نمائید

چون فقط تکه هایی از متن پایان نامه در این صفحه درج شده (به طور نمونه)

ولی در فایل دانلودی متن کامل پایان نامه

همراه با تمام ضمائم (پیوست ها) با فرمت ورد word که قابل ویرایش و کپی کردن می باشند

موجود است

پروژه: تئوری مجموعه های فازی و کاربرد آن در مهندسی صنایع

اختصاصی از فی گوو پروژه: تئوری مجموعه های فازی و کاربرد آن در مهندسی صنایع دانلود با لینک مستقیم و پر سرعت .

تئوری مجموعه های فازی و کاربرد آن در مهندسی صنایع

الکتره فازی

(Fuzzy ELECTRE)

معرفی موضوع

جهان همواره در تمامی مسائل و موضوعات پیشرو با پدیده ی تصمیم گیری مواجه است. تصمیم گیری در واقع فرآیندی است که طی آن در جهت یافتن بهترین گزینه از میان تمامی گزینه های موجود حرکت می کنیم. روش های تصمیم گیری چندمعیاره (MCDM) اغلب در مسائل انتخاب استفاده می شوند. در این تصمیم گیری ها به جای استفاده از یک معیار سنجش از چندین معیار ممکن است استفاده گردد. این مدل های تصمیم گیری به دو دسته عمده تقسیم می گردند: مدل های چند هدفه (MODM) و مدل های چند شاخصه (MADM) . به طوری که مدل های چند هدفه به منظور طراحی به کار گرفته می شوند در حالی که مدل های چند شاخصه به منظور انتخاب گزینه برتر استفاده می گردند (اصغرپور ، 1390). یکی از روش های تصمیم گیری چند شاخصه روش الکتره (ELECTRE) می باشد. الکتره مخفف Elimination Et Choix TRaduisant La REalite  در زبان فرانسه است. این روش بر مبنای برتری گزینه ها با استفاده از شاخص های هماهنگ و ناهماهنگ است(Tolga and Kahraman). در این پژوهش هدف ارائه روش ELECTRE به صورت قطعی و فازی ، جهت بدست آوردن گزینه برتر می باشد.

• بررسی ادبیات موضوع

روش الکتره کاربرد زیادی در مسائل تصمیم گیری داشته است نظیر: رتبه بندی بهینه گزینه های منابع آب(Anand Raj,1996) ، مدیریت و بهینه سازی سیستم های انرژی(Georgopoulon,1997 ; Papadopoulos,2008) ، انتخاب سیستم مدیریت پس ماندها(Hokkanen,1997) ، رتبه بندی پروژه ها از لحاظ سودآوری(Buchanan,1999) ، برنامه ریزی منابع طبیعی استراتژیک(Kangas,2001)  ، انتخاب ماشین آلات و تجهیزات ساخت(Tam,2003 ; Ulubeyli,2009) ، فرآیند رتبه بندی دانش آموزان(Leyva,2005) ، ارزیابی و انتخاب قراردادهای بهینه برون سپاری(Almedia,2007).

در زندگی روزمره شرایط واقعی اغلب نامشخص و مبهم هستند. درصورت عدم اطلاعات کافی از یک سیستم ممکن است به طور کامل شناخته نشود. زاده (1965) یک طرح دقیق ریاضی که تئوری مجموعه های فازی نامیده شد را پیشنهاد داد که بر این نارسایی غلبه کرد. رویکرد فازی یک رویه تصادفی و یا احتمالی نمی باشد و در حقیقت این روش خود یک نظام خاص برای مواجه شدن با موقعیت های دارای ابهام و غیرقطعی معرفی می کند. زاده در مقاله خود ویژگی اساسی نظریه مجموعه فازی را نمایش داده های غیرقطعی می داند و همچنین این نظریه را جهت انجام عملیات و برنامه ریزی ریاضی را در حوزه فازی مفید می شمارد. در جهت مطالعات نظریه فازی ، زیمرمن (1994) عملیات جبری با اعداد فازی مثلثی را ارئه داد که این شکل از عملیات یکی از متداول ترین اعداد فازی مورد استفاده می باشد. پس از آن مطالعات بسیاری در حوزه نظریه فازی صورت گرفته است و این نظریه در زمینه های گوناگونی مورد استفاده قرار گرفت. از جمله بسترهایی که به شکل ترکیبی با نظریه فازی مورد توجه قرار گرفت بحث مسائل تصمیم گیری چندگانه است.

روش الکتره فازی درواقع همان روش الکتره است که به وسیله منطق فازی گسترش می یابد. تحقیق در رتبه بندی اعداد فازی از قبل از دهه ی 70 شروع شد. محققان زیادی روش های رتبه بندی فازی را از سال 1980 طبقه بندی کردند. بیشترین روش های رتبه بندی اعداد فازی استفاده شده، روش احتمال تسلط Dubois and Prades ، روش میانگین موزون یاگر و روش مجموعه فازی Baas and Kwakernaak هستند. منتظر و همکارانش (2009) یک سیستم یاری تصمیم خبره ترکیبی جدید با استفاده از روش الکتره 3 فازی برای انتخاب فروشنده را طراحی کردند. Esra et al (2011)  یک روش الکتره 1 فازی برای ارزیابی گزینه های شرکت خواربار ارائه دادند. کزازی و همکاران (1389) ارزیابی و اولویت بندی استراتژی ها با استفاده از تکنیک الکتره 3 در محیط فازی را ارائه دادند. شاکری و همکاران انتخاب بخش خصوصی در پرو ژه های مشارکتی با استفاده از مدل SWOT-Fuzzy ELECTRE را انجام دادند.

فرمت فایل ها: pdf , word

تعداد صفحات : 13

برای خرید با 10 درصد تخفیف اینجا کلیک کنید