خوشه‌بندي چندنمايي مبتني بر خودرمزگار و ساختار گرافي

اصفهان : دانشگاه صنعتي اصفهان

رياضي كاربردي

كارشناسي ارشد

خوشه‌بندي چندنمايي مبتني بر گراف، رويكردي نوين در حوزه‌ي يادگيري ماشين و داده‌كاوي است كه با هدف تحليل داده‌هاي پيچيده و چندمنظوره توسعه يافته است. در اين روش، داده‌هايي كه از نماهاي مختلف جمع‌آوري شده‌اند به‌صورت گراف‌هايي مدل‌سازي مي‌شوند كه در آن رأس‌ها نمايانگر نمونه‌ها و يال‌ها بيانگر شباهت‌ها يا روابط بين آن‌ها هستند. با تركيب اين گراف‌ها، يك نماي كلي و جامع از ساختار داده‌ها به دست مي‌آيد كه مي‌تواند مبناي خوشه‌بندي دقيق‌تر باشد. هدف اصلي اين پژوهش، ارائه‌ي روشي نوين براي خوشه‌بندي چندنمايي است كه با استفاده از يادگيري عميق، فضاي تعبيه‌ي پنهانِ مقاوم و گراف پيونديِ پايدار، دقت و كارايي الگوريتم‌هاي خوشه‌بندي را بهبود دهد. براي كاهش تأثير نويز و داده‌هاي پرت، از تكنيك‌هاي تعبيه براي نگاشت داده‌ها به فضاي كم‌بعد و مقاوم استفاده شده است. همچنين، روش‌هايي براي تركيب بهينه‌ي گراف‌هاي شباهت از نماهاي مختلف توسعه داده شده كه موجب افزايش دقت و كاهش پيچيدگي محاسباتي مي‌شود. رويكرد پيشنهادي قابليت بالايي در تحليل داده‌هاي چندمنظوره دارد و در كاربردهاي متنوعي نظير تحليل داده‌هاي زيست‌پزشكي، شبكه‌هاي اجتماعي و سيستم‌هاي پيشنهاددهنده قابل استفاده است.

235838

علوم داده

رياضي

دانشگاه صنعتي اصفهان