ارائه­ دهنده:

  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 خوشه‌ها" دفاع 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