چارچوب توزیع شده برای استخراج قوانین فازی از داده ها

سال انتشار: 1391
نوع سند: مقاله کنفرانسی
زبان: فارسی
مشاهده: 776

فایل این مقاله در 7 صفحه با فرمت PDF قابل دریافت می باشد

استخراج به نرم افزارهای پژوهشی:

لینک ثابت به این مقاله:

شناسه ملی سند علمی:

ICS11_119

تاریخ نمایه سازی: 14 مهر 1392

چکیده مقاله:

به دلیل افزایش روزافزون پایگاه های داده، قابلیت مقیاس پذیری و اجرای موازی در الگوریتم های داده کاوی اهمیت زیادی پیدا کرده است. در این مقاله یک چهارچوب توزیع شده ی جدید برای استخراج قوانین دسته بندی از بین داده ها با استفاده از رویکرد چندعاملی در کنار قوانین فازی پیشنهاد می شود. از ویژگی های مهم این چهارچوب می توان به قابلیت مقیاس پذیری، خودسازماندهی در فرآیند یادگیری با استفاده از عامل های خودمختار و قابلیت برخورد با عدم قطعیت با استفاده از قوانین فازی اشاره کرد. هر عامل یک دید محلی از مجموعه داده ی آموزشی دارد. تعامل بین عامل ها در فرآیند یادگیری و استخراج دانش باعث کاهش حجم پایگاه قواعد و انتخاب قانون های دسته بندی مناسب می شود. به دلیل اینکه یادگیری عامل ها می تواند همزمان با هم صورت گیرد قابلیت اجرای موازی را فراهم می کند و در نتیجه زمان یادگیری را کاهش می دهد. قوانین استخراج شده توسط عامل هایی که سطح اطمینان قابل قبولی دارند، برای فرآیندهای تصمیمگیری و دسته بندی استفاده می شود. در این مقاله از سه مسئله ی تصمیم گیری پزشکی برای ارزیابی چهارچوب پیشنهادی استفاده می کنیم و از لحاظ تعداد قوانین فازی استخراج شده و دقت تشخیص با روش های متمرکز مقایسه می کنیم

نویسندگان

سمانه شریف

قطب علمی رایانش نرم و پردازش هوشمند اطلاعات

محمد رضا اکبرزاده توتونچی

گروه مهندسی کامپیوتر، دانشگاه فردوسی منهد

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 :
  • M. Rodriguez and D. M. Escalante, "Efficient Distributed Genetic Algorithm ...
  • F. P. Pach and A. Gyenesei, "Compact _ association rule- ...
  • B. Park, and H Kargupta, Distributed Data Mining: Algorithms, ...
  • _ _ fuzzy classification rules from medical data" Artificial Intelligence ...
  • _ _ _ _ No.3, pp. 277-288, 1997. ...
  • N. R. Guo and T.-H S. Li, "Construction of a ...
  • , No. 3, pp. 426-442, 2001. ...
  • No.12, pp. 1928-1940, 2011. ...
  • Systems, Vol. 10, No.6, pp. 790-802, 2002. ...
  • A.A. Freitas and S.H. Lavington, Mining Very Large Databases wvith ...
  • N. T. Van U. and S. G. Lee, _ New ...
  • A. S. Tanenbaum and M. V. Steen, DISTRIBUTEB SYSTEMS: ...
  • _ _ _ group decision support, " Decision Support Systems, ...
  • I. Al-Qaysi and R. Unland, "Medical decision base Self- Organization ...
  • _ _ _ and Control, Prentice- ...
  • UCI Machine Learming Repository [Online]. ...
  • نمایش کامل مراجع