پروژه فازی: الگوریتم ژنتیک فازی genetic fuzzy k-Modes برای خوشه بندی داده های گروهی (56 صفحه فایل ورد - Word)

فهرست مطالب:

چکیدهمقدمهمروری بر روش های قبلالگوریتمk-means Hardمثالی عددی از الگوریتم k-meansمقادیر مرکز های اولیهفاصله بین مراکز و داده هاخوشه بندی داده هاتعیین مراکزفاصله مراکز- داده هاخوشه بندی داده هاتعیین مراکزفاصله مراکز- داده هاخوشه بندی داده هاالگوریتم Clustering (FCM) Fuzzy c-MeansHard k-Modes الگوریتمالگوریتم Fuzzy k-ModesالگوریتمGenetic fuzzy k-Modesنمایش رشته ایفرآیند مقدار دهی اولیهالگوریتم مقداردهی اولیهفرایند انتخابالگوریتم تولید جمعیت جدیدفرایند ادغامالگوریتم ادغامفرایند جهشپروسه جهشمعیار توقفآزمایش هامعیار کیفیت خوشه بندیمجموعه دادهنتایجنتیجه گیریپیوست – کد برنامهمراجع

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.

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 :

تعداد خوشه ها را ، k در نظر بگیرید.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.در مجموعه داده،هر نمونه داده را به نزدیکترین مرکز کلاسترآن نسبت دهید.دوباره مراکز خوشه های جدید را بدست آورید.دو مرحله قبل را تا زمانیکه همگرایی مناسب حاصل شود(تفاوتی در دو خوشه بندی متوالی وجود نداشته باشد)،تکرار نمایید.

مقاله فرهنگ داده های زیر سیستم انبار

الف. لیست کلی فعالیتها و تعریف کلی آنها

فعالیتهای کلی زیر سیستم انبار و تعریف آنها عبارت است از :

1ـ درخواست خرید کالا جهت شارژ انبار

ملزومات اداری و برخی از کالاهای پر مصرف در انبار نگهداری می شوند که با توجه به میزان مصرف و نقطه سفارش بنا بر درخواست مسئول انبار یا مسئول تدارکات خریداری می شوند .

2ـ رسید کالای خریداری شده جهت شارژ انبار

کالای خریداری شده جهت شارژ انبار به انباردار تحویل داده شده و رسید صادر می شود.

3ـ رسید کالای خریداری شده غیر مصرفی به انبار و تحویل به متقاضی

کالاهای غیر مصرفی که بنا به درخواست اداره / معاونت / واحد خریداری می شوند وارد انبار شده و رسید می شوند و سپس به متقاضی تحویل می گردند .

4ـ رسید کالای خریداری شده مصرفی برای درخواست کننده

همانند فعالیت قبل در مورد کالاهای مصرفی انجام می شود .

5ـ رسید کالای خریداری شده مستقیم مصرف برای درخواست کننده

اساسا هر کالا پس از خرید باید تحویل انبار شود ولی در مورد برخی از کالاها به دلیل ماهیت آنها امکان تحویل به انبار وجود ندارد و مستقیما به درخواست کننده تحویل داده می شوند .

6ـ رسید کالا به انبار در حالتهای امانی ـ برگشت امانت ـ مرجوعی

ممکن است کالایی غیر از حالت خریداری شده به انبار وارد شود که می تواند حالتهای مختلفی را شامل شود .

7ـ خروج کالا از انبار بنا به درخواست

کالاهایی که در انبار موجود بوده و برای اداره / معاونت / واحد خاصی خریداری نشده اند طی ضوابطی به ادارات تحویل می گردند.

8ـ خروج کالا از انبار در حالتهای امانی ـ ضایعاتی ـ برگشت از خرید ـ انتقالی و ...

ممکن است کالایی برای موارد غیر از مصرف اداره / معاونت / واحدها از انبار خارج شود که حالتهای مختلفی را شامل میشود.

9ـ انبار گردانی

معمولا در پایان هر سال موجودی انبارها شمارش شده و مغایرت موجودی با کاردکس مشخص و در مورد آن تصمیم گیری می شود .

ب. نحوه گردش کار فعالیتها

گردش کار فعالیتهای زیر سیستم انبار در صفحات بعدی آمده است .

ج. اشکالات موجود زیر سیستم انبار

پس از بررسی های انجام شده که عمدتا از طریق مصاحبه و بازدید و سوال و جواب با نمونه های انتخاب شده صورت گرفته است نتایج کلی زیر ارائه می گردد . لازم به ذکر است که نارسائی های عنوان شده با توجه به محدودیتهای زمانی موجود جهت بررسی شامل کلیه نارسائی های موجود نمی باشد و موارد عمده را در بر می گیرد .

موارد عمده اشکالات موجود به صورت زیر می باشد :

1ـ با توجه به این که مسئولیت نگهداری کالا باید به فرد یا افراد مشخص واگذار گردد ، لذا اختیارات ناشی از این مسئولیت نیز باید به فرد مذکور واگذارشود و از دخالت سایر

افراد و قسمتها در امور محوله به انبار دار که مسئول اصلی نگهداری کالاهای انبار می باشد جلوگیری گردد . به منظور اطمینان از این تفویض مسئولیت و اختیار به انباردار لازم است برای کلیه اقلام رسیده به انبار و صادره از انبار فرمهای مشخصی توسط انباردار صادر گردد . در بررسی های به عمل آمده مشخص گردید که عموما فرم رسید انبار و حواله انبار توسط تدارکات صادر گردیده و سپس جهت تایید انباردار به انبار ارسال می گردد . لذا این اصل که مسئول انبار ، مسئول صدور رسید انبار و حواله انبار می باشد نقض گردیده است .

این مقاله به صورت  ورد (docx ) می باشد و تعداد صفحات آن 126صفحه  آماده پرینت می باشد

چیزی که این مقالات را متمایز کرده است آماده پرینت بودن مقالات می باشد تا خریدار از خرید خود راضی باشد

مقالات را با ورژن  office2010  به بالا بازکنید