Thesis

توسعه فازی الگوریتم apriori برای کاوش قوانین وابستگی

Download full textFree with an account; signing up with Google takes seconds

Abstract(in Persian; no English abstract is available)

در دنیای کنونی، اطلاعات به عنوان یکی از فاکتورهای تولیدی مهم مطرح است. در نتیجه، تلاش برای استخراج اطلاعات از داده ها از جمله چالش های اساسی در صنعت اطلاعات و حوزه های وابسته به آن است. حجم داده ها دائماً در حال رشد است و در همه ی محیط ها و به صورت متنوع در قالب های مختلف وجود دارد، که این نمایانگر پیچیدگی کار تبدیل داده ها به اطلاعات است. داده کاوی یکی از پیشرفت های اخیر در زمینه فناوری مدیریت داده هاست. در دادهکاوی ?تئوریهای پایگاهدادهها، هوش مصنوعی، یادگیری ماشین و علم آمار را در هم میآمیزند تا زمینهای کاربردی فراهم شود. داده کاوی روش های مختلفی دارد که از جمله مهمترین آنها قوانین وابستگی است. یکی از الگوریتم های رایج برای کشف قوانین وابستگی الگوریتم apriori است. تاکنون مطالعات متعددی جهت توسعه کاوش قوانین وابستگی صورت گرفته است که پایه بسیاری از آنها، الگوریتم apriori بوده است. آنچه دراین تحقیق بر آن تأکید می شود نگاهی جدید بر مبنای منطق فازی جهت کشف قوانین وابستگی است. پس از مطرح شدن منطق فازی، استفاده از آن در سیستم های هوشمند به دلیل شباهت با نحوه استدلال انسان به سرعت وارد داده کاوی شد. در مقایسه با منطق کلاسیک، منطق فازی جهان بینی نوینی است که با نیازهای دنیای پیچیده امروز سازگارتر است. در این نظریه درستی گزاره ها عددی بین صفر و یک است در صورتی که در منطق کلاسیک گزاره ها یا درست و یا غلط هستند. لذا نتایج حاصل از منطق فازی در مسائل متعدد، کاربردی تر و واقعی تر خواهد بود. در این تحقیق ضمن مطالعه کارهای انجام شده تاکنون و بررسی نقاط ضعف و قوت آنها، همچنین بررسی مسائل کاربردی و مطرح کنونی، الگوریتمی جدید با نام ftarm برای کشف قوانین وابستگی فازی از روی مجموعه دادههای عددی مختلف، با در نظر گرفتن یک طبقهبندی چندسطحی فازی روی دادهها و همچنین قابلیت متفاوت در نظر گرفتن کمترین پشتیبان به ازای اقلام مختلف پیشنهاد شده است. یکی از ایده های مهم به کار رفته در این الگوریتم توانایی آن در استفاده روی مجموعه داده های مختلف با انواع متنوعی از مشخصه ها اعم از مشخصه های گسسته و پیوسته است. قابلیت الگوریتم ارائه شده در لحاظ نمودن طبقه بندی فازی و کشف قوانین وابستگی در تمام سطوح آن با در نظر گرفتن فرض های فوق یکی از نقاط قوت پرکاربرد آن است. همچنین در این تحقیق یک روش برای به دست آوردن طبقه بندی فازی بر مبنای روش چند متغیره آماری تحلیل عاملی ارائه شده است. استفاده از این روش به منظور استخراج طبقه بندی فازی در مواردی توصیه می گردد که طبقه بندی در دسترس نبوده و یا تولید آن مشکل باشد. از این رو با کمک تحلیل عاملی می توان به استخراج طبقه بندی فازی پرداخت. این روش با تقسیم بندی شاخص های سطح پایین تر، عوامل پنهان را در سطح بالاتر طبقه بندی تولید می نماید. روش های فوق بر روی دو مثال کاربردی به منظور نشان دادن کارکرد الگوریتم پیاده سازی شده است. مثال اول در زمینه هواشناسی و شامل داده های میانگین دمای هوای ماهیانه 26 شهر کشور ایران در بین سال های 1990 تا 2000 میلادی است. مثال دوم برگرفته از حمل و نقل جاده ای کشور بوده و در آن 14 شاخص مهم در زمینه ایمنی حمل و نقل جاده ای کشور در سال 1387 مورد استفاده قرار گرفته است.

Supervisors and advisors

محمد حسین سرایی، سید رضا حجازی

Similar theses

  • کاوش قوانین وابستگی فازی با حفظ حریم شخصی

    Thesis2015وزارت علوم، تحقیقات و فناوری - دانشگاه صنعتی اصفهان - دانشکده برق و کامپیوترالهام هاتفی

    داده کاوی با حفظ محرمانگی داده ها زمینه تحقیقاتی جدیدی در دو دهه اخیر می باشد. در حقیقت هدف اصلی الگوریتم های داده کاوی با حفظ محرمانگی تغییر داده های پایگاه داده ورودی به گونه ای است که داده های خصوصی و همچنین دانش های محرمانه، حتی پس از عملیات داده کاوی محرمانه بمانند. کاوش قوا

  • کاوش قوانین وابستگی زمانی مبتنی بر تقویم با استفاده از دوره های زمانی انعطاف پذیر

    Thesis2007وزارت علوم، تحقیقات و فناوری - دانشگاه صنعتی اصفهان - دانشکده برق و کامپیوتراحمد ژولاشکری

    با پیشرفت های اخیر در فناوری اطلاعات و ذخیره سازی در کامپیوتر، مقدار داده ذخیره شده در پایگاه های داده فراتر از آن است که بتوان داده ها را بدون استفاده از شیوه های تحلیلی خودکار تحلیل کرد. علیرغم این که اطلاعات زیادی در این مجموعه داده‏ها نهفته است، این اطلاعات مستقیماً در اختیار

  • کاوش قوانین وابستگی در جریانات سریع داده

    Thesis2012وزارت علوم، تحقیقات و فناوری - دانشگاه شیراز - دانشکده برق و کامپیوترجواد دوگانی آغچغلو

    کشف قوانین وابستگی (association rule) یکی از پرکاربردترین الگوهاییاست که توسط داده کاوی استخراج می گردند و به معنای یافتن همه قوانین موجود در مشاهده اقلام مجمو عه های داده ای است.مهمترین فاز یافتن قوانین وابستگی، یافتن الگوهای پرتکرار می باشد. کشف قوانین وابستگی در جریان سریع داد

  • کاوش قوانین انجمنی با استفاده از منطق فازی مبتنی بر خوشه بندی برای پایگاه داده فرآورده های نفتی

    Thesis2011وزارت علوم، تحقیقات و فناوری - دانشگاه پیام نور - دانشگاه پیام نور استان تهران - دانشکده کامپیوتر و فناوری اطلاعاتمعصومه فضلی راد

    داده کاوی به عمل استخراج اطلاعات سودمند و دانش پنهان از پایگاه داده گفته می شود. کاوش قوانین انجمنی یکی از مهم ترین تکنیک های داده کاوی است که به استخراج الگوهای تکرار شونده از لابلای مجموعه اقلام پایگاه داده های تراکنشی با حجم بالا می پردازد و ریشه اصلی آن به تجزیه و تحلیل تعامل

  • توسعه ای از تقریب معنایی برای وابستگی های چندمقداری فازی

    Thesis2011وزارت علوم، تحقیقات و فناوری - دانشگاه شیخ بهایی - دانشکده مهندسیآرزو رجایی

    یکی از زمینه های مربوط به کاربرد نظریه سیستم های فازی در پایگاه داده ها، بازیابی اطلاعات، سیستم های خبره و پایگاه دانش است. مهم ترین مسئله ای که در پایگاه داده فازی مطرح می شود، نحوه مواجهه با پدیده عدم قطعیت است. نمایش و کار با داده های غیرقطعی در پایگاه داده رابطه ای، مسئله پیچ

  • ارائه یک الگوریتم به منظور کشف قوانین وابستگی در تغییرات قیمت سهام (مطالعه موردی: بورس تهران)

    Thesis2012وزارت علوم، تحقیقات و فناوری - دانشگاه پیام نور - دانشگاه پیام نور استان تهران - دانشکده مهندسی کامپیوترمجتبی علاء

    کاوش قوانین وابستگی یک تکنیک مهم در داده کاوی است که در آن یافتن الگوهای تکراری، یک مرحله بسیار زمان بر و پر هزینه به شمار می رود. در این تحقیق یک روش جدید برای یافتن الگوهای تکراری بر روی داده هایی که مقادیر آن ها به شکل نوسانی (افزایش، کاهش یا بدون تغییر) هستند مانند داده های ت

Similar items