[صفحه اصلی ]    
بخش‌های اصلی
درباره دانشکده::
مدیریت دانشکده::
اعضای هیات علمی ::
معرفی افراد::
امور آموزش::
امور فرهنگی::
امور پژوهشی::
اخبار و رویدادها::
فضاهای آموزشی و تحقیقاتی ::
تسهیلات پایگاه::
تماس با ما::
::
ورود به سایت دروس
دانشجویان روزانه و پردیس
دانشجویان مرکز آموزش الکترونیکی
..
اطلاعیه ها
 اطلاعیه های آموزشی
..
فراخوان ها
فراخوان های همکاری با صنعت و سازمان ها
..
دفاعیه‌ها

دفاعیه های دکتری

۱۴۰۲/۸/۱۷ - زهرا رشیدی
۱۴۰۲/۶/۲۷ - حجت‌اله اسماعیلی


دفاعیه های کارشناسی ارشد

..
جستجو در پایگاه

جستجوی پیشرفته
..
دریافت اطلاعات پایگاه
نشانی پست الکترونیک خود را برای دریافت اطلاعات و اخبار پایگاه، در کادر زیر وارد کنید.
..
:: سمانه آهنگر ::
 | تاریخ ارسال: 1401/2/24 | 

ارائه­ دهنده:

سمانه آهنگر

  استاد راهنما:

  دکتر ناصر مزینی
استاد مشاور:
دکتر محمدرضا محمدی
هیات داوری: 
دکتر بهروز مینایی
 دکتر مریم امیرمزلقانی

زمان:
 ۱۴۰۱/۰۲/۲۷

ساعت ۱۷:۳۰
 

خانم سمانه آهنگر دانشجوی کارشناسی ارشد آقای دکتر ناصر مزینی روز سه شنبه مورخ ۲۷ اردیبهشت ماه ساعت ۱۷:۳۰ از پروژه کارشناسی ارشد خود تحت عنوان "خوشه‌بندی عمیق افزایشی براساس مرز خوشه‌هادفاع خواهند نمود.

چکیده پایان نامه:
داده‌ها همواره جمع‌آوری می‌شوند و تحلیل آن‌ها نیازمند روشی است که هربار تنها با دادگان جدید به‌روزرسانی شود و نیازی به تمامی دادگان نباشد. همچنین ذخیره مجموعه دادگان به دلیل حجم روزافزون آن می‌تواند چالش برانگیز باشد. خوشه­ بندی افزایشی یک روش اساسی برای حل مشکل خوشه­ بندی با رشد داده های بزرگ است. این الگوریتم‌ها باید تنها خلاصه‌ای از خوشه‌ها را ذخیره کرده و هر بار که داده‌ی جدیدی می‌رسد، نتایج را با توجه به خوشه‌های قبلی به‌روزرسانی کنند. از طرفی در تحلیل داده‌های تصویری، استخراج بازنمایی­ های مناسب، در نتیجه ­ی خوشه­ بندی بسیار مؤثر است.
در این پایان ­نامه یک الگوریتم خوشه ­بندی افزایشی برای دادگان تصویری چهره ارائه می­ شود، که دادگان را براساس تراکم، خوشه­ بندی می‌کند و تنها اطلاعات مرزی خوشه­ ها را نگه می­ دارد که در کاهش حافظه مصرفی موثر است. تعداد و شکل خوشه­ ها با رسیدن دادگان جدید همواره در حال به‌روزرسانی خواهد بود. همچنین شبکه­ ی استخراج بازنمایی­ های خوشه­ گرا در مدل پیشنهادی، بطور مداوم با اضافه شدن دادگان جدید، بصورت خودناظر بهبود می ­یابد. نتایج نشان می­ دهد که دقت خوشه‌بندی در شبکه استخراج بازنمایی به خوبی مدل غیرافزایشی آن است. شبکه پیشنهادی از ابتدا نیازی به تمامی دادگان ندارد و خوشه‌بندی نهایی برای ذخیره دادگان، استفاده از حافظه را در بخش استخراج بازنمایی و در قسمت ذخیره بردارهای مرزی در مجموعه دادگان استفاده شده کاهش می ­دهد.

واژه‌های کلیدی: خوشه­ بندی افزایشی، بازنمایی خوشه­ گرا، اطلاعات مرزی خوشه­ ها، حافظه مصرفی، خودناظر


دانشکده مهندسی کامپیوتر مدیریت تحصیلات تکمیلی

 

 
دفعات مشاهده: 854 بار   |   دفعات چاپ: 86 بار   |   دفعات ارسال به دیگران: 0 بار   |   0 نظر
سایر مطالب این بخش سایر مطالب این بخش نسخه قابل چاپ نسخه قابل چاپ ارسال به دوستان ارسال به دوستان
data
Persian site map - English site map - Created in 0.11 seconds with 55 queries by YEKTAWEB 4623