کاربرد استراتژی های داده کاوی توزیع شده در JaCa_DDM

در این مقاله، سیستمی جدید در حوزه داده کاوی توزیع شده، به نام JaCa-۲DDM- معرفی شده است که بر پایه عامل ها و نمونه ای از مصنوعات است این سیستم برای طراحی، پیاده سازی، استقرار و ارزیابی اسنتراتژی های یادگیری حراحی شده است عامل های منطقی که بر پایه زبان Jason هستند برای کار در محیط های محاسباتی توزیع شده مناسب هستند و مصنوعاتی که در چهارچوب CArtAgo طراحی می شنوند، الگوریتم های یادگیری، منابع داده، ابزارهای ارزیابی و دیگر خدمات اجرا شده در Weka را برای کارهای داده کاوی در خود جای می دهد در این مقاله سعی بر تشویق به استفاده از aCa-DDM برای توسعه استراتژی های جدید متناسب با نیازهای مختلف اسنت از این رو، این سیستم به ارزیابی مدل های حاصل از نظر دقت، تعداد نمونه های به کار رفته برای یادگیری، زمان هم گرایی، و حجم ارتباطات می پردازد همچنین سیستم JaCa-DDM با تاکید بر درخت تصممیم گیری می تواند با تغییر مصنوعات به راحتی در مسائل مختلف بس داده شود

کلیدواژه ها:

سیستم های چندعاملی ، داده کاوی توزیع شده ، استخراج عامل ، عامل ها و نمونه ی مصنوعات ، عامل های BDI