Nghiên cứu phương pháp phân cụm nửa giảm sát và ứng dụng |Tài liệu miễn phí

Home 1-luan-an-thac-si cong-nghe-thong-tin-thac-si Nghiên cứu phương pháp phân cụm nửa giảm sát và ứng dụng

[giaban]0.000 VNĐ[/giaban] [kythuat]

[/kythuat]
[tomtat]

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

[/tomtat]