سورس کد کامل متلب برای روش k-means و Expectation Maximization
پروژه ۷۷۳: شبیه سازی ام فایل متلب + سورس کامل متلب + توضیحات خطوط برنامه
خلاصه ای از کار:
در این پروژه سورس کد کامل متلب برای روش k-means و Expectation Maximization در ام فایل کد نویسی شده است. ۳۰۰ نقطه در ۳ ماتریس و در دو کلاس طراحی مقدار دهی شده است. هدف برنامه جداکردن داده ها و متمایز کردن هریک از آنها می باشد. در ادامه نتایج اجرای کد ما در متلب قابل مشاهده است.
k-means ساده ترین و معمولترین الگوریتمی است که از این معیار خطای مربعی استفاده میکند . این الگوریتم با یک پارتیشن تصادفی اولیه شروع به کار میکند و سعی میکند که هر نمونه را به یک کلاستر نسبت دهد . این کار بر اساس اینکه هر نمونه به کدامیک از عناصر مرکزی کلاسترها شبیه تر میباشد، انجام میشود و آن نمونه را به آن کلاستر نسبت میدهد . در مرحله بعد عناصر مرکزی جدید هر کلاستر محاسبه میشود و جایگزین مرکزی قبلی میشود . حال دوباره سعی میکنیم نمونه ها را با مراکز جدید بسنجیم و آنها را به کلاسترهای مربوطه جدید دوباره نسبت میدهیم . این عملیات آنقدر ادامه پیدامیکند تا به یک معیار همگرائی برسیم . این معیار همگرائی میتواند این باشد که دیگر نتوانیم یک نمونه را از یک کلاستر به کلاستر دیگر نسبت دهیم و یا اینکه بعد از چند مرحله کاهش خطای مربعی غیر محسوس باشد . در این حالت الگوریتم متوقف میشود .
الگوریتم k-mean به کار رفته در این پروژه ، از یک تابع سنجش دیگری استفاده میکنند . یک راهبرد کلاسترینگ دینامیکی را معرفی کرده که مسئله کلاسترینگ را با تخمین حداکثر اشتیاق (Maximum-Likelihood Estimation) پاسخ داده است.
در صورت سوال در مورد محصول و یا در صورت اشکال در اجرای شبیه سازی می توانید از بخش تماس با ما (منوی بالا)، با شماره تلفن مورد نظر مکاتبه نمایید.
برخی نتایج:
کدهای متلب بسادگی و قابل درک نوشته شده است. در هر یک از کدها ابتدا متغیرها همراه با توضیحات ذکر شده است. همچنین ۹۰ درصد دستورات نیز در خود کدها توضیح داده شده است.
