نتایج جستجو

2895

نتیجه یافت شد

مرتبط ترین ها

اعمال فیلتر

به روزترین ها

اعمال فیلتر

پربازدید ترین ها

اعمال فیلتر

پر دانلودترین‌ها

اعمال فیلتر

پر استنادترین‌ها

اعمال فیلتر

تعداد صفحات

290

انتقال به صفحه



فیلترها/جستجو در نتایج    

فیلترها

سال

بانک‌ها



گروه تخصصی











متن کامل


مرکز اطلاعات علمی SID1
مرکز اطلاعات علمی SID
اسکوپوس
مرکز اطلاعات علمی SID
ریسرچگیت
strs
نویسنده: 

HASHEMPOUR SADEGHIAN ARMINDOKHT | NEZAMABADI POUR HOSSEIN

اطلاعات دوره: 
  • سال: 

    2015
  • دوره: 

    0
  • شماره: 

    1
تعامل: 
  • بازدید: 

    1260
  • دانلود: 

    0
چکیده: 

TEXT MINING IS A FIELD THAT IS CONSIDERED AS AN EXTENSION OF DATA MINING IN GENERAL, ALSO KNOWN AS KNOWLEDGE DISCOVERY IN DATABASES. IN THE CONTEXT OF TEXT MINING, DOCUMENT clustering IS AN UNSUPERVISED LEARNING METHOD FOR AUTOMATICALLY SEGREGATING SIMILAR DOCUMENTS OF A CORPUS INTO THE SAME GROUP, CALLED CLUSTER, AND DISSIMILAR DOCUMENTS TO DIFFERENT GROUPS. WHILE HUNDREDS OF clustering ALGORITHMS EXIST, IT IS DIFFICULT TO FIND A SINGLE clustering ALGORITHM THAT CAN HANDLE ALL TYPES OF CLUSTER SHAPES AND SIZES, OR EVEN DECIDE WHICH ALGORITHM WOULD BE THE BEST ONE FOR A PARTICULAR DATA SET. EACH ALGORITHM HAS ITS OWN APPROACH FOR ESTIMATING THE NUMBER OF CLUSTERS, IMPOSING A STRUCTURE ON THE DATA, AND VALIDATING THE RESULTING CLUSTERS. THE IDEA OF COMBINING DIFFERENT clustering EMERGED AS AN APPROACH TO OVERCOME THE WEAKNESS OF SINGLE ALGORITHMS AND FURTHER IMPROVE THEIR PERFORMANCES. ON THE OTHER HAND, INSPIRED BY THE GRAVITATIONAL LAW, DIFFERENT clustering ALGORITHMS HAVE BEEN INTRODUCED THAT EACH ONE ATTEMPTED TO CLUSTER COMPLEX DATASETS. GRAVITATIONAL ENSEMBLE clustering (GEC) IS AN ENSEMBLE METHOD THAT EMPLOYS BOTH THE CONCEPTS OF GRAVITATIONAL clustering AND ENSEMBLE clustering TO REACH A BETTER clustering RESULT. THIS PAPER REPRESENTS AN APPLICATION OF GEC TO THE PROBLEM OF DOCUMENT clustering. THE PROPOSED METHOD USES A MODIFICATION OF THE ORIGINAL GEC ALGORITHM. THIS MODIFICATION TRIES TO PRODUCE A MORE VARIED clustering ENSEMBLE USING NEW PARAMETER SETTING. COMPUTATIONAL EXPERIMENTS WERE CONDUCTED TO TEST THE PERFORMANCE OF THE GEC APPROACH USING DOCUMENT DATASETS. PROMISING RESULTS OF THE PRESENTED METHOD WERE OBTAINED IN COMPARISON WITH COMPETING ALGORITHMS. ...

آمار یکساله:  

بازدید 1260

دانلود 0
نشریه: 

پژوهش نفت

اطلاعات دوره: 
  • سال: 

    1394
  • دوره: 

    25
  • شماره: 

    82
  • صفحات: 

    45-55
تعامل: 
  • استنادات: 

    0
  • بازدید: 

    1099
  • دانلود: 

    345
چکیده: 

سازند آهکی فهلیان متعلق به گروه خامی، یکی از سنگ مخزن های نفت و گاز در جنوب باختری ایران است. مطالعه حاضر به دو بخش تقسیم می شود. در بخش اول، خصوصیات مخزنی سازند فهلیان در چاه مورد مطالعه، با درنظر گرفتن شرایط ریزشی و تاثیر گاز بر روی قرائت نمودارها محاسبه شد. بر این اساس، لیتولوژی به وسیله نمودارهای متقاطع نوترون- چگالی و M-N plot، آهک به همراه مقادیری از کانی دولومیت تشخیص داده شد و میانگین پارامترهای پتروفیزیکی تخلخل موثر (PHIE)، اشباع آب موثر (SWE) و هیدروکربن در دو منطقه شسته شده (Flashed Zone) و دست نخورده (Virgin Zone) به ترتیب 2.1، 56، 0.4 و 1.1% محاسبه گردید و زون های تولیدی (Pay Zone) و میانگین پارامترهای پتروفیزیکی در این زون ها با تعیین حد برش (Cut-off) برای دو پارامتر تخلخل موثر (2.2%< PHIE) و اشباع آب موثر (55%> SWE) محاسبه شدند. در بخش دوم، رخساره های مخزنی و غیرمخزنی در توالی مورد ارزیابی به روش خوشه سازی MRGC دسته بندی و کل توالی به دو رخساره مخزنی و غیر مخزنی تفکیک گردید و میانگین پارامترهای پتروفیزیکی در این دو رخساره با هم مقایسه شدند. با تطابق بین رخساره مخزنی مشخص شده و زون های تولیدی، هم خوانی بالایی بین این دو در کل توالی مورد ارزیابی مشاهده شد و قسمت های اصلی مخزنی جهت استحصال گاز با دقت بسیار بالا مشخص شدند و زون بندی مخزنی در توالی مورد مطالعه صورت گرفت.

آمار یکساله:  

بازدید 1099

دانلود 345 استناد 0 مرجع 3
اطلاعات دوره: 
  • سال: 

    2014
  • دوره: 

    2
  • شماره: 

    4
  • صفحات: 

    196-204
تعامل: 
  • استنادات: 

    0
  • بازدید: 

    32272
  • دانلود: 

    11200
چکیده: 

In this paper, the problem of de-noising of an image contaminated with Additive White Gaussian Noise (AWGN) is studied. This subject is an open problem in signal processing for more than 50 years. Local methods suggested in recent years, have obtained better results than global methods. However by more intelligent training in such a way that first, important data is more effective for training, second, clustering in such way that training blocks lie in low-rank subspaces, we can design a dictionary applicable for image de-noising and obtain results near the state of the art local methods. In the present paper, we suggest a method based on global clustering of image constructing blocks. As the type of clustering plays an important role in clustering-based de-noising methods, we address two questions about the clustering. The first, which parts of the data should be considered for clustering? and the second, what data clustering method is suitable for de-noising.? Then clustering is exploited to learn an over complete dictionary. By obtaining sparse decomposition of the noisy image blocks in terms of the dictionary atoms, the de-noised version is achieved. In addition to our framework, 7 popular dictionary learning methods are simulated and compared. The results are compared based on two major factors: (1) de-noising performance and (2) execution time. Experimental results show that our dictionary learning framework outperforms its competitors in terms of both factors.

آمار یکساله:  

بازدید 32272

دانلود 11200 استناد 0 مرجع 5772
گارگاه ها آموزشی
نویسندگان: 

LI Z. | DA Z.W. | CHENG J.L.

اطلاعات دوره: 
  • سال: 

    2002
  • دوره: 

    25
  • شماره: 

    6
  • صفحات: 

    587-590
تعامل: 
  • استنادات: 

    315
  • بازدید: 

    5974
  • دانلود: 

    9195
کلیدواژه: 
چکیده: 

آمار یکساله:  

بازدید 5974

دانلود 9195 استناد 315 مرجع 0
اطلاعات دوره: 
  • سال: 

    1399
  • دوره: 

    17
  • شماره: 

    2 (44 پیاپی)
  • صفحات: 

    85-100
تعامل: 
  • استنادات: 

    0
  • بازدید: 

    118
  • دانلود: 

    104
چکیده: 

با توجه به ماهیت بدون ناظر مسائل خوشه بندی و تأثیرگذاری مؤلفه های مختلف از جمله تعداد خوشه ها، معیار فاصله و الگوریتم انتخابی، ترکیب خوشه بندی ها برای کاهش تأثیر این مؤلفه ها و افزایش صحت خوشه بندی نهایی معرفی شده است. در این مقاله، روشی برای ترکیب وزن دار خوشه بندی های پایه با وزن دهی به خوشه بندی ها بر اساس روش AD ارائه شده است. روش AD برای برآورد صحّت انسان ها در مسائل جمع­ سپاری از هماهنگی یا تضاد بین آرای آنها استفاده می کند و با پیشنهاد مدلی احتمالاتی، فرآیند برآورد صحّت را به کمک یک فرآیند بهینه سازی انجام می دهد. نوآوری اصلی این مقاله، تخمین صحت خوشه بندی های پایه با استفاده از روش AD و استفاده از صحت های تخمین زده شده در وزن دهی به خوشه بندی های پایه در فرآیند ترکیب است. نحوه تطبیق مسأله خوشه بندی به روش برآورد صحّت AD و نحوه استفاده از صحّت های برآورد شده در فرآیند ترکیب نهایی خوشه ها، از چالش هایی است که در این پژوهش به آنها پرداخته شده است. چهار روش برای تولید خوشه بندی های پایه شامل الگوریتم های متفاوت، معیارهای فاصله ی متفاوت در اجرای k-means، ویژگی های توزیع شده و تعداد خوشه های متفاوت بررسی شده است. در فرآیند ترکیب، قابلیت وزن دهی به الگوریتم های خوشه بندی ترکیبی CSPA و HGPA اضافه شده است. نتایج روش پیشنهادی روی سیزده مجموعه داده مصنوعی و واقعی مختلف و بر اساس نُه معیار ارزیابی متفاوت نشان می دهد که روش ترکیب وزن دار ارائه شده در بیش تر موارد بهتر از روش ترکیب خوشه بندی بدون وزن عمل می کند که این بهبود برای روش HGPA نسبت به CSPA بیشتر است.

آمار یکساله:  

بازدید 118

دانلود 104 استناد 0 مرجع 0
نویسندگان: 

KELLER A.

اطلاعات دوره: 
  • سال: 

    2000
  • دوره: 

    -
  • شماره: 

    -
  • صفحات: 

    143-147
تعامل: 
  • استنادات: 

    315
  • بازدید: 

    5374
  • دانلود: 

    9195
کلیدواژه: 
چکیده: 

آمار یکساله:  

بازدید 5374

دانلود 9195 استناد 315 مرجع 0
strs
اطلاعات دوره: 
  • سال: 

    1399
  • دوره: 

    10
  • شماره: 

    24
  • صفحات: 

    137-148
تعامل: 
  • استنادات: 

    0
  • بازدید: 

    184
  • دانلود: 

    124
چکیده: 

پیش بینی قابلیت برش سنگ به عنوان یکی از فاکتورهای موثر در تخمین هزینه ها و پیش بینی میزان تولید یک کارخانه فرآوری سنگ از اهمیت بالایی برخوردار است. بنابراین شناخت کامل سنگ های ساختمانی و ارزیابی توان اجرایی دستگاه های برش در کارخانه های فرآوری، طراحان و برنامه ریزان تولید را به سمت بهبود سرعت فرآوری و افزایش تولید سوق می دهد. از این رو، به کارگیری روش های نو و کاربردی برای دست یابی به این اهداف لازم و ضروری است. در این تحقیق سعی شده است پس از تعیین مهم ترین پارامترهای فیزیکی و مکانیکی موثر در فرایند برش، قابلیت برش پذیری نمونه سنگ های ساختمانی با استفاده از روش خوشه بندی فازی (Fuzzy C-means) مورد ارزیابی و کلاس بندی قرار گیرد. بدین ترتیب 12 نمونه سنگ ساختمانی مشتمل بر دو گروه از سنگ های ساختمانی سخت و نرم مورد آزمایش و ارزیابی قرار گرفت. نمونه ها در مدل های 3، 4 و 5 کلاسه مورد ارزیابی و کلاس بندی قرار گرفت، سپس نتایج با شدت جریان مصرفی دستگاه برش مورد اعتبارسنجی قرار گرفت. نتایج حاصل از بررسی ها پس از اعتبارسنجی با آزمایش های دقیق، نشان داد که روش خوشه بندی فازی می تواند به عنوان یکی از روش های نو و کاربردی برای طبقه بندی و بررسی قابلیت برش نمونه سنگ های ساختمانی با توجه به معیارهای تاثیرگذار نظیر مقاومت فشاری تک محوری، سختی موهس، سایندگی شیمازک و مدول الاستیسیته مورد استفاده قرار گیرد.

آمار یکساله:  

بازدید 184

دانلود 124 استناد 0 مرجع 0
نویسندگان: 

SOLEIMANIAN GHAREHCHOPOGH FARHAD | Haggi Sevda

اطلاعات دوره: 
  • سال: 

    2020
  • دوره: 

    6
  • شماره: 

    2
  • صفحات: 

    79-90
تعامل: 
  • استنادات: 

    0
  • بازدید: 

    4007
  • دانلود: 

    1673
چکیده: 

The detection and prevention of crime, in the past few decades, required several years of research and analysis. However, today, thanks to smart systems based on data mining techniques, it is possible to detect and prevent crime in a considerably less time. Classification and clustering-based smart techniques can classify and cluster the crime-related samples. The most important factor in the clustering technique is to find the centrality of the clusters and the distance between the samples of each cluster and the center of the cluster. The problem with clustering techniques, such as k-modes, is the failure to precisely detect the centrality of clusters. Therefore, in this paper, Elephant Herding Optimization (EHO) Algorithm and k-modes are used for clustering and detecting the crime by means of detecting the similarity of crime with each other. The proposed model consists of two basic steps: First, the cluster centrality should be detected for optimized clustering; in this regard, the EHO Algorithm is used. Second, k-modes are used to find the clusters of crimes with close similarity criteria based on distance. The proposed model was evaluated on the Community and Crime dataset consisting of 1994 samples with 128 characteristics. The results showed that purity accuracy of the proposed model is equal to 91. 45% for 400 replicates.

آمار یکساله:  

بازدید 4007

دانلود 1673 استناد 0 مرجع 0
نویسندگان: 

اطلاعات دوره: 
  • سال: 

    2019
  • دوره: 

    -
  • شماره: 

    -
  • صفحات: 

    1-12
تعامل: 
  • استنادات: 

    6
  • بازدید: 

    0
  • دانلود: 

    649
کلیدواژه: 
چکیده: 

آمار یکساله:  

بازدید 0

دانلود 649 استناد 6 مرجع 0
نویسندگان: 

YANG Z. | SU XIAOLONG

نشریه: 

PHYSICS PROCEDIA

اطلاعات دوره: 
  • سال: 

    2012
  • دوره: 

    33
  • شماره: 

    -
  • صفحات: 

    1489-1496
تعامل: 
  • استنادات: 

    315
  • بازدید: 

    4602
  • دانلود: 

    9195
کلیدواژه: 
چکیده: 

آمار یکساله:  

بازدید 4602

دانلود 9195 استناد 315 مرجع 0
litScript