1. خوشه بندي تکاملي مبتني بر شکل
Shape-based Evolutionary Clustering
استاد راهنما: دکتر رضا صفابخش
ويدا موحدي

2. فهرست مطالب مقدمه الگوريتم هاي تکاملي خوشه بندي تحقيقات قبلي
تعريف موضوع رساله

3. مقدمه الگوريتم هاي تکاملي خوشه بندي خوشه بندي تکاملي
Evolutionary Clustering
خوشه بندي تکاملي مبتني بر شکل
Shape-based

4. الگوريتمهاي تکاملي تکامل طبيعي- انتخاب طبيعي الگوريتمهاي تکاملي
ژن و کروموزوم
ترکيب (crossover)
جهش (mutation)
ارزشيابي(evaluation)
انتخاب(selection)
جايگزيني(replacement)

5. الگوريتم تکاملي ساده 1- ايجاد جمعيت اوليه
2- ارزشيابي همه افراد (محاسبه Fitness)
3- تکرار حلقه زير تا ارضاي معيار خاتمه
3-1 انتخاب براي توليدمثل
3-2 اعمال ترکيب و جهش
3-3 ارزشيابي همه افراد
3-4 جايگزيني فرزندان در نسل قبل

6. خوشه بندي معيار شباهت – معيار فاصله متغيرها و تاثير در خوشه بندي
صحت خوشه بندي: شاخص هاي DB، دان، ...
تعداد خوشه ها
روش خوشه بندي

7. روش هاي خوشه بندي روش هاي سلسله مراتبي روش هاي پارتيشني مبتني بر مدل
K-means، K-medoids،...
Mixture Resolving
مبتني بر چگالي
مبتني بر ارتباط
نزديک ترين همسايه

8. ابزارهاي بکاررفته در خوشه بندي
فرضيه گراف
الگوريتم هاي جستجو
Simulated Annealing, Branch & Bound
تقسيم بندي فضا براي تعداد داده هاي زياد
مورفولوژي
روش هاي فازي
شبکه هاي عصبي
روش هاي تکاملي

9. خوشه بندي مبتني بر شکل
1-خوشه هاي حلقوي (1994)
2- روش پارتيشني تراکمي (1997) -جايگزين کردن يک پاره خط به جاي دو مرکز

10. خوشه بندی مبتنی بر شکل- ادامه
3- شبکه MSBF (1998)
تعميم شبکه RBF، تغيير شعاع و پارامترهاي تابع فاصله بعنوان پارامترهاي شبکه عصبي، ولي خوشه بندي بانظارت انجام ميدهد.
4- خوشه بندي با نماينده ها (CURE) (1998)
c نماينده که به سمت مرکز فشرده مي شوند، خوشه بندي بصورت سلسله مراتبي با ترکيب دو خوشه با نزديکترين نماينده ها تا رسيدن به تعداد خوشه موردنظر
5- شکل خوشه هاي Fuzzy Classifiers (1999)
تعيين شکل خوشه هاي ممکن براي حالت هاي دو و سه بعدي

11. خوشه بندی مبتنی بر شکل- ادامه
6- خوشه بندي فرکتالي (2000)
خوشه بندي بر اساس محاسبه بعد فرکتالي- مناسب براي پايگاه داده هاي بزرگ
7- خوشه هاي رئوس فعال (2001)
ارايه سيمپلکس در ابرمکعب با علامت زدن رئوس آن- استفاده از آن در خوشه بندي پايگاه هاي داده بزرگ براي يافتن پاسخ Query
8- استفاده از شکل خوشه در يافتن محل لب در تصوير چهره (2002)-حداقل سازي فاصله تا مرکز خوشه و فاصله تا شکل بيضي در تابع هدف

12. تحقيقات انجام شده در زمينه خوشه بندي تکاملي
خوشه بندي سخت با تعداد معين خوشه ها
خوشه بندي سخت با تعداد نامعين خوشه ها
خوشه بندي فازي با تعداد معين خوشه ها
خوشه بندي فازي با تعداد نامعين خوشه ها

13. تحقيقات انجام شده- تفاوت ها
ارايه ها
باينري، صحيح، اعشاري
مراکز خوشه ها، عضويت در خوشه ها، پارامترهاي شکل خوشه ها، عضويت در مجموعه مراکز خوشه ها
ارزشيابي: Jm، شاخص هاي صحت
توابع فاصله: تابع اقليدسي، تابع فاصله مانهاتن، تابع فاصله قطري
عملگرهاي ژنتيکي: استاندارد، درج و حذف (تعداد نامعين خوشه ها)

14. تعريف موضوع رساله تعيين شکل و ساختار خوشه ها تعيين تعداد بهينه خوشه ها
خوشه بندي سلسله مراتبي
الگوريتم تکاملي چند قله اي
ارائه بهينه پاسخها
بررسي نقش توابع فاصله در شکل خوشه ها
بررسي نحوه همگرايي و سرعت الگوريتم ها
کار روي مباني رياضي

15. تعيين شکل خوشه ها

16. AND. [ + (S1, xc1, yc1, l1, w1, a1) , ( S2, xc2, yc2, l2, w2, a2)] ,
AND [ + (S1, xc1, yc1, l1, w1, a1) , ( S2, xc2, yc2, l2, w2, a2)] , [ - (S3, xc3, yc3, l3, w3, a3) , ( S4, xc4, yc4, l4, w4, a4)] , [ . ( S5, xc5, yc5, l5, w5, a5)] + -
AND .

17. الگوريتم هاي تکاملي چندقله اي
Standard Algorithm
Convergence towards one optimum
Multimodal Algorithm
Convergence to several optima

18. بررسي نقش توابع فاصله در شکل خوشه ها
دايره واحد در فضاهاي مختلف فاصله براي تابع مينکوسکي

19. بررسي نحوه همگرايي
Fitness
Generations

20. اهميت خوشه بندي بر اساس شکل
ا- ساختار خوشه
2- نحوه تغيير داده ها و وابستگي خوشه ها به تغييرات ويژگيها
3- اطلاعات سطح بالاتر، براي مثال تشخيص شيء در تصوير
4- کاهش حساسيت به نويز
5- خوشه هايي با اشکال مقعر
6- افزايش صحت خوشه بندي

21. چرا روش هاي تکاملي؟ مشاهدات نويزي فضاي جستجوي بزرگ تابع هدف غير هموار
تابع هدف چندقله اي
فضاي جستجوي گسسته
NP-Hard بودن مسأله

22. روش هاي تکاملي مورد استفاده در رساله
الگوريتم:
GA استاندارد با کروموزوم هاي باينري
GA با کروموزوم هاي صحيح و حقيقي
توصيف بصورت درخت مشابه GP
عملگرها:
عملگرهاي استاندارد ترکيب و جهش
ارائه عملگرهاي جديد در صورت لزوم
تابع هدف بصورت معيارهاي ارزيابي خوشه بندي و شاخص هاي نسبي
جايگزيني نسلي
انتخاب چرخ رولت و انتخاب رقابتي

23. ارزيابي خوشه بندي تکاملي
اعتبار سنجي خوشه بندي
استفاده از شاخص هاي نسبي
ارزيابي خوشه بندي
يکنواختي توزيع داده ها در اطراف مرکز خوشه
بالا بودن چگالي خوشه ( نسبت تعداد الگوهاي داخل خوشه به حجم آن)
بالا بودن پوشش (نسبت تعداد الگوهاي داخل خوشه به تعدادکل الگوها)
بالا بودن همگني، بررسي زيرخوشه ها براي خلوت نبودن
پايين بودن همپوشاني خوشه ها

24. ارزيابي خوشه بندي تکاملي- ادامه
ارزيابي روش تکاملي
احتمال بهينگي -يافتن پاسخ بهينه در نسل k ام (n بار تکرار)
ميانگين ارزش برتر در نسل k ام (n بار تکرار)
ميانگين ارزش متوسط در نسل k ام (n بار تکرار)
احتمال ارتقاي تکاملي - برتر شدن جواب نسل فعلي نسبت به نسل قبل
قابليت انطباق- ميانگين تعداد نسلها براي يافتن جواب بهينه درصورت تغيير مقادير ورودي هنگام اجراي الگوريتم

25. مقايسه روش ها مجموعه داده هاي يکسان معيارهاي ارزيابي خوشه بندي
معيارهاي ارزيابي تکاملي
معيارهاي ماشيني (زمان و حافظه)
کاربردها
مقايسه با روش هاي استاندارد (مانند K-means، FCM، GFCM)

26. پايان
با تشکر از حضور و توجه شما