پروژه خوشه بندی داده های مصرف انرژی خانه هوشمند با الگوریتم خوشه بندی KMEDIODS در ریپدماینر


در حال بارگذاری
۵۳,۶۰۰ تومان
خرید

پروژه خوشه بندی داده های مصرف انرژی خانه هوشمند با الگوریتم خوشه بندی KMEDIODS در ریپدماینر

 این پروژه داده های  مربوط به مصرف انرژی خانه هوشمند را با استفاده از الگوریتم بدون نظارت و خوشه بندی KMEDIODS در نرم افزار داده کاوی ریپد ماینر((RAPIDMINER خوشه بندی میکند. همان طور که می دانید الگوریتم خوشه بندی KMEDIODS تعدادی خوشه را به عنوآن ورودی دریافت نموده و بر اساس تعداد خوشه های وارد شده(K) توسط کاربر، اقدام به خوشه بندی داده ها نموده و خروجی هایی را نمایش میدهد. الگوریتم خوشه بندی KMEDIODS در نرم افزار داده کاوی ریپدماینر دارای کاربرد های فراوانی بوده و با توجه به سرعت بالایی که دارد،  فرایند خوشه بندی داده های مصرف انرژی خانه هوشمند را انجام خواهد داد.

بنابر این بطور کلی در این پروژه ابتدا مجموعه داده های مصرف انرژی خانه هوشمند از طریق کنترل  Read Excelبه مدل طراحی شده (الگوریتم خوشه بندی ) وارد میشود. با توجه به اینکه ممکن است مقادیر داده های موجود دارای مقادیر پراکنده ای باشد، میبایست این داده ها نرمال شوند.

بدین منظور در این پروژه، از الگوریتم نرمال سازی خطی یا Normalization جهت نرمال کردن داده ها استفاده می گردد. بنابر این خروجی کنترل  Read Excelبه ورودی کنترل  Normalizeوارد شده و مقادیر موجود بین بازه [۰,۱] نرمال می شود.پس از این مرحله، خروجی این کنترل به الگوریتم خوشه بندی KMEDIODS اعمال میشود. در این مرحله لازم است تعداد K که بیانگر تعداد خوشه ها جهت خوشه بندی  داده ها توسط کاربر وارد شود. به صورت پیش فرض تعداد K=2 بوده که به منظور حفظ تعادل بین خوشه بندی، در این پروژه تعداد K=5 در نظر گرفته شده است. الگوریتم  KMEDIODS دارای دو خروجی مختلف می باشد.

یکی از خروجی های الگوریتم خوشه بندی  KMEDIODS اطلاعاتی در مورد خروجی و داده های خوشه بندی شده بوده و خروجی دیگر نیز نمونه ها را همراه با خوشه هایی تعلق داده شده را نشان میدهد. بنابراین باتوجه به این که نیاز است کاربر بداند که هرنمونه از داده ها چه برچسبی به آن اطلاق شده است، در اخرین مرحله از کنترل Write Excelجهت ذخیره سازی نتایج خوشه بندی استفاده خواهد شد. جهت اعمال تنظیمات این کنترل کافی است برروی این کنترل کلیک نموده و در پنجره سمت راست، ابتدا انواع فایل خروجی اعم از .xls یا xslx. را برگزیده و سپس ادرس ذخیره سازی داده ها را تنظیم خواهیم نمود. در نهایت لازم است، مدل خوشه بندی طراحی شده اجرا شود تا بتوان خروجی های مربوطه را مشاهده کنیم. بنابراین به اجرای شبیه سازی انجام شده ضمن مشاهده خروجی ها و نمودار های مختلف، میتوان در یک فایل اکسل جداگانه خوشه بندی صورت گرفته شده را مشاهده نمود. خروجی نهایی بدین صورت است که برای هر نمونه مشخص است که چه شماره خوشه ای به آن اختصاص داده شده است.

در صورت نیاز به تهیه پروژه های مشابه بر روی سایر داده ها و همچنین از تریق سایر الگوریتم های خوشه بندی کافیست یک تلگرام بر روی شماره تلفن پشتیبانی وب سایت ارسال گردد. در کمتراز۱۰ دقیقه به پاسخ سوالات شما ارسال میگردد.

امکانات پروژه داده های  مربوط به مصرف انرژی خانه هوشمند :

با خرید و دانلود این پروژه،امکانات زیر فراهم میباشد:

  1. امکان دانلود دیتاست اصلی به صورت جداگانه
  2. تحویل سورس اصلی تهیه شده با رپیدماینر
  3. تحویل یک داکیومنت از نحوه اجرا
  4. تحویل و دانلود خروجی تولید شده بصورت اکسل
  راهنمای خرید:
  • لینک دانلود فایل بلافاصله پس از پرداخت وجه نمایش داده می شود.
  • همچنین لینک دانلود به ایمیل شما ارسال خواهد شد به همین دلیل ایمیل خود را به دقت وارد نمایید.
  • ممکن است ایمیل ارسالی به پوشه اسپم یا Bulk ایمیل شما ارسال شده باشد.
  • در صورتی که به هر دلیلی موفق به دانلود فایل مورد نظر نشدید کافیست به ایمیل سایت درخواستتان را ارسال نمایید.
  • حدود 90% از پروژه ها دارای داکیومنت و فیلم آموزشی می باشند.