الگوریتم نزدیکترین همسایه

باتوجه به افزایش جمعیت و اینکه منابع انرژی رو به کاهش است، در این تحقیق به مطالعه انرژی مصرفی خانگی پرداخته شده است. هدف از این پژوهش پیش بینی عوامل مؤثر بر انرژی مصرفی خانگی می باشد. برای این پیش بینی از سه الگوریتم قواعدM5 ، نزدیک ترین همسایه و جنگل تصادفی استفاده شده است که در نرم افزار weka موجود می باشد. در این پژوهش از الگوریتم ارزیابی همبستگی ویژگی ها برای انتخاب بهترین عوامل نیز استفاده شده است. این الگوریتم مهمترین عوامل مؤثر بر انرژی مصرفی و میزان تأثیر آنها را مشخص می کند. نتایج حاصل از این بررسی نشان می دهد که چراغ ها و وسایل روشنایی، درجه حرارت و دما در اتاق نشیمن، درجه حرارت و دما در خارج از ساختمان، درجه حرارت و دما در خارج از ایستگاه هواشناسی چیورس، سرعت وزیدن باد، رطوبت در منطقه آشپزخانه و درجه حرارت و دما در محل لباسشویی بیشترین تأثیر را در مصرف انرژی خانگی دارد. همچنین از بین الگوریتم های آزموده شده، جنگل تصادفی بهترین نتیجه را به دست می دهد.

ترکیبات شیمیایی مختلفی در صنعت مورد استفاده قرار میگیرند. بسیاری از صنایع از نتایج حاصل از ترکیبات شیمیایی نگه داری میکنند. در این حالت نگهداری و استفاده از داده های شیمیایی موجود یک چالش را بوجود می آورد. اگر میزان این داده های شیمیایی زیاد شود، به مدلی برای خوشه بندی داده ها نیاز میشود تا بتواند داده های ترکیبات مختلف را جداسازی کند. خوشه بندی یافتن داده های دارای ویژگی-های نظیرهم، در خوشه های مجزا و بدون داشتن اطلاعات اولیه از داده های موجود است. در صنایع شیمیایی، امکان آنکه برای تمام داده های ترکیبات شیمیایی برچسب گذاری انجام شود، وجود ندارد زیرا هر لحظه ممکن است بوجود بیایند یا تغییر کنند. در این حالت بایستی از خوشه بندی استفاده شود که عمل تقسیم داده های شیمیایی به تعدادی از زیر مجموعه ها را انجام میدهد. از دیدگاه داده کاوی تشخیص داده های شیمیایی جزء مسائل حوشه بندی داده ها محسوب میشود. با معرفی الگوریتمهای مناسب در این زمینه و سپس تلاش برای افزایش کارایی و میزان درستی اطلاعات شیمیایی، میتوان به سمت ایجاد سیستمهای مکانیزه با قابلیت اعتماد بالا با توانایی کشف الگوهای پیچیده گام برداشت. در اینجا یک سری دادههای ترکیبات شیمیایی صنایع مختلف جمع آوری شده و با کمک یک مدل ترکیبی مناسب عمل خوشه بندی انجام میشود. روش پیشنهادی یک مدل ترکیبی از نزدیکترین همسایگی با کمک خوشه بندی فازی است. در این مدل داده های شیمیایی موجود، تحت یک عملیات پیش پردازش قرار میگیرند تا داده های نامناسب و تهی از سیستم خارج شوند.