خوشه بندی و شناسایی نمونه های آب با استفاده از الگوریتم های یادگیری ماشین
محل انتشار: دوازدهمین کنفرانس هیدرولیک ایران
سال انتشار: 1392
نوع سند: مقاله کنفرانسی
زبان: فارسی
مشاهده: 941
فایل این مقاله در 7 صفحه با فرمت PDF قابل دریافت می باشد
- صدور گواهی نمایه سازی
- من نویسنده این مقاله هستم
این مقاله در بخشهای موضوعی زیر دسته بندی شده است:
استخراج به نرم افزارهای پژوهشی:
شناسه ملی سند علمی:
IHC12_128
تاریخ نمایه سازی: 30 شهریور 1394
چکیده مقاله:
خوشه بندی یکی از مهمترین روش های یادگیری بدون سرپرست در زمینه شناسایی الگو و یادگیری ماشین است. الگوریتم PCA یکی از روش های استاندارد خوشه بندی جهت کاهش بعد می باشد که به طور مناسبی ویژگی های موثرتر را از بین مجموعه نمونه ها انتخاب می نماید . در این تحقیق، خوشه بندی نمونه های آب با استفاده از روش PCA و شناسایی نمونه های ناشناخته آب با استفاده از روش مینیمم همسایگی به صورت محاسبه حداقل اختلاف فاصله هر نمونه جدید با مرکز خوشه هایی که دارای بیشترین مقدار واریانس بودند بدست آمد. برنامه نویسی روش ذکر شده در نرم افزار متلب نسخه ۲۰۱۲ پیاده سازی شد. هدف اصلی این تحقیق بدست آوردن داده های اولیه نمونه های آب با توجه به میزان تغییر در شوری آب در اثر اعمال شارهای مختلف مغناطیسی و طبقه بندی و شناسایی آنها توسط ترکیبی از روش های PCA و مینیمم همسایگی با توجه به بهترین بردارهای ویژگی، بوده است. نتایج حاکی از موفقیت این روش در طبقه بندی و شناسایی نمونه های آب با دقت مناسب و معنا داری می باشد.
کلیدواژه ها:
نویسندگان
یگانه مددی
دانشجوی کارشناسی ارشد علوم کامپیوتر سیستم های هوشمند، گروه علوم کامپیوتر ، دانشگاه صنعتی امیرکبیر
کیومرث ابراهیمی
دانشیار، گروه مهندسی آبیاری و آبادانی، دانشگاه تهران
محمدابراهیم شیری احمدآبادی
استادیار، گروه علوم کامپیوتر، دانشگاه صنعتی امیرکبیر