كلية علوم الحاسوب والرياضيات

مناقشة رسالة الماجستير في كلية علوم الحاسوب والرياضيات – قسم علوم الرياضيات بعنوان:

“تحسين عنقدة c-means الضبابية باستخدام خوارزمية أَمثلة التوزيع الطبيعي المعمم لمجموعة البيانات غير الخاضعة للإِشراف “

“Improving fuzzy c-means clustering using the generalized normal distribution optimization algorithm for unsupervised dataset”

نوقشت في قاعة المناقشة بكلية علوم الحاسوب والرياضيات في جامعة الموصل يوم الاحد الموافق 13-7-2025
رسالة الماجستير للطالب معتصم محمود إبراهيم محمد، وبإشراف الأستاذ الدكتور عمر صابر قاسم والدكتور طلال فاضل حسين.

في هذه الرسالة، تم تحسين أداء خوارزمية FCM بدمجها مع خوارزمية أمثلة التوزيع الطبيعي المعمم (GNDOA)، وهي إحدى التقنيات فوق الحدسية Metaheuristic التي أثبتت كفاءتها في حل مشكلات التحسين غير الخطية والمعقدة. يعتمد النموذج المقترح على توظيف خوارزمية GNDO لاختيار الميزات الأكثر أهمية للبيانات مِمَّا يؤدي إِلى تقليل الأبعاد وتحسين جودة البيانات لإِجراء العنقدة، وتعزيز استكشاف فضاء البحث. يتم تقييم أداء الخوارزمية الهجينة  باستخدام درجة الصورة الظلية Silhouette Score لأختبار دقة التجميع Clustering Accuracy واختيار الميزات Features، وتحديد العدد الأمثل للعناقيد باستخدام مؤشر كالينسكي-هاراباز Calinski-Harabasz (CH)، وذلك على مجموعات بيانات معيارية عديدة مأخوذة من مستودع UCI Machine Learning Repository. أظهرت النتائج التجريبية تفوق الخوارزميات المقترحة على الخوارزميات التقليدية؛ إِذ حققت تحسنا ملحوظا في دقة التجميع واختيار الميزات، وزيادة القدرة على التعامل مع البيانات عالية الأبعاد. وتؤكد هذه الدراسة على أهمية توظيف إمكانات الخوارزميات الذكائية مثل خوارزمية GNDO، في تحسين كفاءة تقنيات العنقدة. توضح النتائج أن الخوارزمية المقترحة  هي النموذج الأكثر كفاءة، حيث يوفر دقة أعلى واختيارﴽ مثاليًا للميزات، مِمَّا يجعله مناسبًا للتطبيقات المتقدمة في الرعاية الصحية، وتحليل البيانات الطبية، والتصنيف الحيوي، والتعرف على الأنماط، والرؤية الحاسوبية.

لجنة المناقشة تألفت من:

أ.د. عبدالغفور جاسم سالم/ رئيساً

أ.م.د. نعم عبدالمنعم عبد المجيد/ عضواً

أ.م.د. فاطمة محمود حسن/ عضواً

أ.د. عمر صابر قاسم/ عضواً ومشرفاً

م.د. طلال فاضل حسين/ عضوا ومشرفا