Nghiên cứu phương pháp phân cụm nửa giảm sát và ứng dụng
Nghiên
cứu phương pháp phân cụm nửa giảm sát và ứng dụng
MỤC
LỤC
LỜI
CAM ĐOAN
LỜI
MỞ ĐẦU
CHƯƠNG
1. TỔNG QUAN VỀ HỌC MÁY VÀ BÀI TOÁN PHÂN CỤM, PHÂN CỤM NỬA GIÁM SÁT
1.1
Khái niệm về trí tuệ nhân tạo và học máy
1.2
Các nghiên cứu sử dụng trong học máy
1.3
Ứng dụng của phương pháp học máy
1.4
Khái niệm về bài toán phân cụm
1.5
Các yêu cầu của bài toán phân cụm
1.6
Các chiến lược trong phương pháp phân cụm dữ liệu [2].
1.8
Đánh giá kết quả của thuật toán phân cụm
1.9
Phương pháp phân cụm nửa giám sát
CHƯƠNG
2. MỘT SỐ THUẬT TOÁN PHÂN CỤM NỬA GIÁM SÁT
2.1.
Giới thiệu bài toán phân cụm nửa giám sát
2.2
Thuật toán phân cụm nửa giám sát với K-Means
2.2.1
Thuật toán K-Means
2.2.2.
Thuật toán Seed K-Means
2.3
Thuật toán phân cụm nửa giám sát SSDBSCAN
2.3.1
Thuật toán DBSCAN
2.3.2
Thuật toán SSDBSCAN
2.3.3
Thuật toán ActSSDBSCAN
2.4.
Thuật toán phân cụm nửa giám sát Fuzzy C-Means
2.4.1
Thuật toán Fuzzy C-Means
2.4.2
Thuật toán Seed Fuzzy C-means
CHƯƠNG
3. ỨNG DỤNG THUẬT TOÁN PHÂN CỤM TRONG LĨNH VỰC XỬ LÝ ẢNH
3.1
Giới thiệu tổng quan
3.2
Phân vùng ảnh (Image segmentation) sử dụng Fuzzy C-Means
3.2.1
Tóm lược về vấn đề xử lý ảnh số (Digital Image Processing)
3.2.2
Lập trình và thử nghiệm
3.3
Phân cụm ảnh với thuật toán SSDBSCAN
3.3.1
Dữ liệu
3.3.2
Kết quả
KẾT
LUẬN VÀ HƯỚNG PHÁT TRIỂN
PHỤ
LỤC
TÀI
LIỆU THAM KHẢO
Bài viết liên quan
Giá Bán:0.000 VNĐ
Giá Bán:0.000 VNĐ
Giá Bán:0.000 VNĐ
