ارایه روشی جدید با استفاده از مدل گراف جهت استخراج اطلاعات big data
محل انتشار: سومین کنگره بین المللی کامپیوتر، برق و مخابرات
سال انتشار: 1395
نوع سند: مقاله کنفرانسی
زبان: فارسی
مشاهده: 744
فایل این مقاله در 22 صفحه با فرمت PDF قابل دریافت می باشد
- صدور گواهی نمایه سازی
- من نویسنده این مقاله هستم
این مقاله در بخشهای موضوعی زیر دسته بندی شده است:
استخراج به نرم افزارهای پژوهشی:
شناسه ملی سند علمی:
ITCC03_296
تاریخ نمایه سازی: 6 اردیبهشت 1396
چکیده مقاله:
داده کاوی یک اصطلاح برای توصیف تکنیک های آماری، هوش مصنوعی، هوش محاسباتی ومدیریت پایگاه داده است که در کشف و استخراج اطلاعات از مجموعه بزرگ داده به صورتاتوماتیک استفاده می شود. بسیاری از مشکلات در داده کاوی در اثر محدودیت ورودی اعداد و آنالیزگرافها به وجود می آید و با استفاده از یک روش پیشنهادی می توان در روش داده کاوی تحولی ایجادکرد. این تحولات می تواند زمینه تحقیق در یک سیستم به صورت تسهیل شده را فراهم کند.در اینپایان نامه، روشی برای آنالیز سیستم های پیچیده مبتنی بر محاسبات گروهی گره ها می باشد، این ایده ازاینجا آمده که در یک سیستم روابط منحصر به فردی وجود دارد که با درک این روابط پیچیدهمی توان درک یک سیستم را راحت تر انجام داد. این پژوهش یک نمونه اولیه جدید و توانمند برایارتقای کیفیت در داده های کمیاب را معرفی می کند. این روش، مشکلات داده کمیاب را برایتشخیص، ارزیابی و تعیین مقدار موجود یافته و با استفاده از تکنیک های جدید براساس استخراجدانه ای (granule) به جای استخراج رابطه ای را می توان براساس تیوری جدول تصمیم گیری ها را ارایهدهد. روش ارایه شده نوآورانه بوده و قابلیت دارد که در زمان و هزینه ارزیابی داده های کمیاب صرفه-جویی کند. در تمام تست ها این روش تشخیصی برای داده های کمیاب موثر بوده و درنتیجه می توانکیفیت داده را با این روش به طور مداوم اتوماتیک یا (نیمه خودکار) ارزیابی کرد.
کلیدواژه ها:
نویسندگان
رحیمه عباسلو
گروه کامپیوتر، واحد بافت، دانشگاه آزاد اسلامی، بافت، ایران
سیدحمید حاج سیدجوادی
گروه کامپیوتر، واحد پرند، دانشگاه آزاد اسلامی، پرند، ایران
مراجع و منابع این مقاله:
لیست زیر مراجع و منابع استفاده شده در این مقاله را نمایش می دهد. این مراجع به صورت کاملا ماشینی و بر اساس هوش مصنوعی استخراج شده اند و لذا ممکن است دارای اشکالاتی باشند که به مرور زمان دقت استخراج این محتوا افزایش می یابد. مراجعی که مقالات مربوط به آنها در سیویلیکا نمایه شده و پیدا شده اند، به خود مقاله لینک شده اند :