توضیح یک دانشمند مسلمان در مورد فاصله جدید بین خوشه های چند متغیره با مکان ها، اشکال بیضی و جهت های مختلف

توضیح یک دانشمند مسلمان در مورد فاصله جدید بین خوشه های چند متغیره با مکان ها، اشکال بیضی و جهت های مختلف

استاد دانشگاه مصری-آمریکایی بر فاصله ای جدید بین خوشه های چند متغیره با مکان ها، اشکال بیضی و جهت های مختلف تاکید کرد.

به گزارش ستاد ارتباطات و ترویج بنیاد مصطفی (ص)، استاد علی هادی در سخنرانی خود در نهمین برنامه تبادل علم و فناوری (STEP) در روز یکشنبه 9 مهر 1402  گفت: روش های خوشه بندی بر اساس محاسبات فاصله بین هر جفت مشاهدات در یک مجموعه داده چند متغیره و همچنین فاصله بین هر جفت خوشه در مجموعه داده است.

او خاطرنشان کرد: خوشه‌ها می‌توانند مکان‌های مختلف و اشکال و جهت‌های بیضوی متفاوتی داشته باشند. روش های متعددی درمنابع علمی برای محاسبه هر دو نوع فاصله پیشنهاد شده است.

او با طبقه‌بندی مشارکت‌های موضوع خود در دو دسته، گفت: اول، ما یک فاصله بیضوی جدید بین جفت‌های خوشه در یک مجموعه داده با مراکز خوشه‌ای مختلف و اشکال و جهت‌های بیضوی پیشنهاد می‌کنیم، سپس به صورت تحلیلی ثابت کردیم که فاصله وارد و فاصله اقلیدسی معادل هستند.

وی در ادامه گفت: ما یک روش کلاسیک جدید برای محاسبه فاصله بین یک جفت خوشه در مجموعه داده پیشنهاد می کنیم. این تنها فاصله ای است که خوشه های کروی را فرض نمی گیرد.

پروفسور هادی افزود: فواصل کلاسیک پیشنهادی را نیز می‌توان با جایگزین کردن تخمین‌های مکان و مقیاس، توسط برآوردگرهای قوی مربوطه، قوی کرد.

وی گفت: فاصله پیشنهادی دارای تعدادی مزیت از جمله سادگی، تفسیرپذیری، کارایی محاسباتی و همچنین قابلیت ثبت دقیق متغیرهای مراکز خوشه‌ای و نیز تغییرپذیری شکل‌ها و جهت‌های ماتریس‌های کوواریانس مربوطه است.

ایشان تاکید کرد: این روش همچنین با چندین مثال انگیزشی نشان داده شده است که نیاز به فاصله پیشنهادی جدید را نشان می دهد.

استاد دانشگاه مصری-آمریکایی توضیح داد: برتری روش پیشنهادی نیز با استفاده از داده‌های مصنوعی واقعی و چالش برانگیز نشان داده می‌شود. پیشرفت‌های کامپیوتری و فناوری‌های ارتباطی و در دسترس بودن فراوان داده‌ها در اندازه‌ها و فرکانس‌های بسیار بزرگ، روش تحلیل داده‌ها را تغییر داده است.

وی اذعان داشت: برای انطباق با این تغییرات جدید، رشته های جدیدی مانند یادگیری ماشینی علم داده، داده کاوی، و کلان داده پدید آمده اند. من به شباهت ها و تفاوت های بین رشته های قابل احترام مانند آمار و علوم کامپیوتر و رشته تازه پدید آمده علوم داده اشاره خواهم کرد.

 

وی هشدار داد: اگر ما آماردانان، خود را با نیازهای دنیایی که در آن زندگی می کنیم سازگار نکنیم، رو به انقراض خواهیم رفت.

وی در انتها گفت: ما باید نظم و انضباط خود (و خودمان) را برای پاسخگویی به نیازهای دائماً در حال تغییر جهانی که در آن زندگی می کنیم، مدرن کنیم.