تالار گفتمان مانشت

سلام دوستان
من چون عجله ای(24 ساعته) به جواب سوالم نیاز دارم عنوان تاپیک این گذاشتم
اگه مدیران صلاح دونستند برا دوستای دیگه هم که فوری نیاز به پاسخ سوالاشون دارن این تاپیک پابرجا باشه
وگرنه که ادغام کنند
سوال: الگوریتم خوشه بندی K-Means فازی تراکمی
و الگوریتم خوشه بندی c میانگین مبتنی بر آنتـروپی
آیا برابرند یا خیر؟ تفاوتی دارند؟
ممنون میشم جواباتون رو داشته باشم.
سپاس

مگه K-means فازیه؟!! اگه فازی بشه که بهش میگن c-means!

(07 خرداد 1391 12:06 ق.ظ)blackhalo1989 نوشته شده توسط: [ -> ]مگه K-means فازیه؟!! اگه فازی بشه که بهش میگن c-means!

اره درسته
ولی مقاله ای به اسم الگوریتم خوشه بندی K-Means فازی تراکمی در تعیین تعداد واقعی خوشه بندی
توسط بچه های دانشگاه علم و صنعت نوشته شده که فرمول ارائه شدشون شبیه به خوشه بندی مبتنی آنتروپی است
نمیدونم چه تفاوتی دقیقا با روش آنتروپی داره

فرمول الگوریتم c میانگین مبتنی بر آنتروپی:


در بالا d به توان ۲ فاصله ی نمونه x با مرکز خوشه k رو نشون میده
که برحسب فاصله اقلیدسی بدست میاد

فرمول خوشه بندی K-Means فازی تراکمی:


در اینجا D یک معیار عدم شباهت میان مرکز jمین خوشه و iمین شی هستش
مبحث مهم در فرمول لاندا هستش که ضریب پنالتی در مقاله بیان شده
ولی در فرمول آنتروپی n هستش که دقیقا مشخص نشده n چی هستش و تنها بیان شده n>1 (احتمالا تعداد نمونه ها هستش!)

قرمول D:


ولی سوال اینجاست اگه این دوتا یکی هستن چرا با ۲ اسم!!؟
و اینکه از قبل الگوریتم مبتنی بر آنتروپی وجود داشته دیگه ثبت مقاله نباید می شده این روش


بچه ها به جواباتون نیاز دارم(فوری)
ممنون میشم کمک کنید

(07 خرداد 1391 07:41 ق.ظ)Dark Knight نوشته شده توسط: [ -> ]...

بچه ها به جواباتون نیاز دارم(فوری)
ممنون میشم کمک کنید

تا جایی که من می دونم این دو تا با هم فرق دارن . یعنی الگوریتم خوشه بندی داده ها (K-means) و الگوریتم خوشه بندی فازی (Fuzzy C-means) هستش.
یعنی گه در روش K-meanعمل قطعه بندی تصویر بدون نیاز به داده های اولیه صورت میگیرد . در این الگوریتم یک پیکسل تنها می تواند به یکی از کلاسها تعلق داشته باشد اما در الگوریتم Fuzzy C-means از مفهوم فازی و نیز انتساب تابع تعلق برای نسبت دادن هر پیکسل به کلاسها استفاده می شود . یعنی که هر پیکسل می تونه با یک تابع تعلق به همه کلاستر ها تعلق داشته باشه که درصرد این تعلق همون عددی هست که در Membership function آورده شده.
در هر دو الگوریتم هدف کم کردن خطا در مبحث کلاسترینگ هستش.
امیدوارم که متوجه شده باشید.

مرسی
ولی سوال من پیرامون
الگوریتم خوشه بندی c میانگین مبتنی بر آنتروپی
و الگوریتم K-Means فازی تراکمی هستش
در واقع میخوام تفاوت و شباهت بین این دو فرمول که در بالا آوردم رو بدونم

(07 خرداد 1391 01:04 ب.ظ)Dark Knight نوشته شده توسط: [ -> ]مرسی
ولی سوال من پیرامون
الگوریتم خوشه بندی c میانگین مبتنی بر آنتروپی
و الگوریتم K-Means فازی تراکمی هستش
در واقع میخوام تفاوت و شباهت بین این دو فرمول که در بالا آوردم رو بدونم

خبری نیست ... !
کسی اطلاعی نداره ... !؟

من دوتا سوال از یادگیری ماشین گذاشتم و چون استاد ما به جواب آخر حساسه
میخواستم جوابای شما رو ببینم و شکل درست جواب این سوالا رو هم بدونم

(29 خرداد 1391 05:39 ب.ظ)Dark Knight نوشته شده توسط: [ -> ]من دوتا سوال از یادگیری ماشین گذاشتم و چون استاد ما به جواب آخر حساسه
میخواستم جوابای شما رو ببینم و شکل درست جواب این سوالا رو هم بدونم

من یه چیزایی هول هول حل کردم باز جواب آخر رو چک کنید تو محاسبات معمولا خیلی اشتباه میکنم متاسفانه:

میبایست احتمال + به شرط وقوع x و احتمال منفی به شرط وقوعx را محاسبه کنید. بعد از جوابهای بدست آمده هر کدوم بزرگتر بود کلاس x ورودی متعلق به آن کلاس است .
[attachment=5205]

در سوال 2 دسته بند ساده بیز با بهینه بیز یعنی چی؟ چه نفاوتی دارند؟
در سوال اول
اون موارد قرمز و کسری ها رو دقیقا متوجه نشدم بر چه اساسی گرفتید
و فرمول آخری که گذاشتید چیه
در ضمن (C,F,0.7) هم ینویسید خوبه

(30 خرداد 1391 07:20 ق.ظ)Dark Knight نوشته شده توسط: [ -> ]در سوال ۲ دسته بند ساده بیز با بهینه بیز یعنی چی؟ چه نفاوتی دارند؟
در سوال اول
اون موارد قرمز و کسری ها رو دقیقا متوجه نشدم بر چه اساسی گرفتید
و فرمول آخری که گذاشتید چیه
در ضمن (C,F,0.7) هم ینویسید خوبه

بهینه رو خودم هم نمیدونم چیه . شاید اگه کلمه انگلیسی شو بگید بدونم چی باشه . احتمالا از سرفصل ها حذف شده چون ما هم نداشتیمش.
موارد قرمز حالتهایی از سیستم هستند که از آن حالت نمونه ای نداریم و در نتیجه صفر میشه و چون این صفر در بقه هم ضرب میشه ÷س جواب نهایی ما رو صفر می کنه . در این موارد از اون فرمولی که گذاشتم باید استفاده کنیم .بهش میگن m-estimate .
تعریف پارامتر هاش هم اینجوریه مثلا در مورد اون ۱/۷ که نوشتم اینطوری محاسبه میشه :
nc : تعداد پارامتر هایی که از اون حالت صفر در کلاس مورد نظر وجود داره ....که میشه صفر
m : تعداد کل سطر ها ( حالت های سیستم) .... که میشه۶
p=1/k که k برابر با تعداد مقادیری است که اون فیچر میتونه اخذ کنه که در اینجا ۶ میشه(۰/۲ و ۰/۵ و۰/۹ و۰/۶ و ۰/۱ و ۰/۷)
n: هم کل تعداد حالات که صفر میشه در تمام سیستم (چه کلاس مورد نظر و چه بقیه کلاسها)...که میشه ۱(یکدونه ۰/۷ بازای کلاس منفی داریم)
[attachment=5207]

سلام
در Comminication Geometroy درس الگوریتم موازی شبکه Shuffle به چه شکل کار می کنه؟
و فاصله ارتباطی این شبکه به چه شکل محاسبه می شه؟
یه شبکه دیگه هم استاد آورده نمیدونم درست می نویسم یا نه illine که اگه از اونم اطلاع دارید ممنون میشم عملکردش رو بزارید

(05 تير 1391 07:37 ب.ظ)Dark Knight نوشته شده توسط: [ -> ]سلام
در Comminication Geometroy درس الگوریتم موازی شبکه Shuffle به چه شکل کار می کنه؟
و فاصله ارتباطی این شبکه به چه شکل محاسبه می شه؟
یه شبکه دیگه هم استاد آورده نمیدونم درست می نویسم یا نه illine که اگه از اونم اطلاع دارید ممنون میشم عملکردش رو بزارید

فکر نکنم چیز مشکلی باشه ها ...
منتظرم

(07 تير 1391 07:55 ب.ظ)Dark Knight نوشته شده توسط: [ -> ]فکر نکنم چیز مشکلی باشه ها ...

اگه چیز مشکلی نیست چرا خودتون نمیرید دنبالش؟