مطالعه تطبیقی قابلیتهای فرایادگیرنده های مبتنی بر الگوریتم Boosting و نیازهای داده کاوی در بانکهای اطلاعاتی توزیع شده

در دهه اخیر تحقیقات زیادی در حوزه داده کاوی انجام شده که به الگوریتم ها و روشهای متنوعی برای استخراج خودکار اطلاعات مستتر در داده ها منتهی گردیده است اما همچنان چالشهای زیادی فراروی بهره گیری از روشهای داده کاوی در حوزه های مختلف کاربردی وجود دارد در پایگاه داده ای بسیار بزرگ و توزیع شده به جهت ورود مداوم اطلاعات جدید و متغیر بودن ارایش داده ها در پایگاه داده از یک سو و لزوم انجام داده کاوی بصورت برخط از سو دیگر عملیات داده کاوی فرایندی مشکل و توام با هزینه زیاد تلقی می شود. براین اساس رویکردهای متفاوتی جهت انجام داده کاوی دراین پایگاه های داده ای ارائه گردیده است بهره گیری از روش فرایادگیری Meta-Learning یکی از رویکردهای موثر دراین زمینه است الگوریتم Boosting فرایادگیرنده ای با توانایی های قابل قبول دراین زمینه مطرح است در این پژوهش مولفه های مختلف این الگوریتم به عنوان یک فرایادگیرنده شرح داده می شود.

کلیدواژه ها:

داده کاوی ، پایگاه داده توزیع شده ، boosting ، فرایادگیرنده