توسعه فازی الگوریتم apriori برای کاوش قوانین وابستگی

thesis
abstract

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.

First 15 pages

Signup for downloading 15 first pages

Already have an account?login

similar resources

بررسی وابستگی وقوع بیماری آسم آلرژیک با ویژگی های محیطی با استفاده از کاوش قوانین وابستگی مکانی فازی

آلرژی یکی از بیماری هایی است که به دلیل آلوده شدن محیط اطراف زندگی انسان به عوامل محرک آلرژی، در سالیان اخیر گسترش فزاینده ای داشته است. بهترین روش برای درمان بیماری آلرژی، شناسایی عامل آلرژی زا و سپس، دوری جستن از آن عامل است. در این میان، عوامل ناشناخته بسیاری هستند که می توانند موجب ایجاد آلرژی گردند که اغلب این عوامل از محیط زندگی افراد ناشی می شوند. این مقاله، به بررسی وابستگی میان وقوع نو...

full text

کاوش قوانین وابستگی فازی با حفظ حریم شخصی

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 قوانین وابستگی با حفظ محرمانگی یکی از تکنیک های اصلی داده کاوی با حفظ محرمانگی به شمار می آید و هدف آن جلوگیری از استخرا...

کاوش قوانین وابستگی در جریانات سریع داده

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 داده ها با مشکلاتی روبروست. با توجه به ماهیت جریان داده ای، امکان ذخیره سازی داده های ورودی و مرور دوباره آنها وجود ندا...

15 صفحه اول

بررسی وابستگی وقوع بیماری آسم آلرژیک با ویژگی های محیطی با استفاده از کاوش قوانین وابستگی مکانی فازی

آلرژی یکی از بیماری هایی است که به دلیل آلوده شدن محیط اطراف زندگی انسان به عوامل محرک آلرژی، در سالیان اخیر گسترش فزاینده ای داشته است. بهترین روش برای درمان بیماری آلرژی، شناسایی عامل آلرژی زا و سپس، دوری جستن از آن عامل است. در این میان، عوامل ناشناخته بسیاری هستند که می توانند موجب ایجاد آلرژی گردند که اغلب این عوامل از محیط زندگی افراد ناشی می شوند. این مقاله، به بررسی وابستگی میان وقوع نو...

full text

کاوش قوانین پیوستگی کمی در بازار سهام با استفاده از الگوریتم های فراابتکاری چندهدفه مبتنی بر الگوریتم ژنتیک

پیش بینی بازده سهام موضوعی مهم در حوزه مالی است که توجه محققان را برای سالهای بسیاری به خود جلب کرده است. سرمایه گذاران همواره در تلاش برای پیدا کردن راهی برای پیش بینی قیمت سهام و پیدا کردن سهام و زمان مناسب برای خرید و یا فروش هستند. اخیرا، از تکنیک های داده کاوی و تکنیک های هوش مصنوعی در این حوزه استفاده می شود. کشف قوانین پیوستگی یکی از رایج ترین روش های داده کاوی مورد استفاده جهت استخراج د...

full text

توسعه ای از تقریب معنایی برای وابستگی های چندمقداری فازی

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 پیچیده ای است که برای حل آن باید در ساختار رابطه ها و عملگر های مربوط به کار با رابطه ها اصلاحاتی انجام شود. هم چنین هر ...

15 صفحه اول

My Resources

Save resource for easier access later

Save to my library Already added to my library

{@ msg_add @}


document type: thesis

وزارت علوم، تحقیقات و فناوری - دانشگاه صنعتی اصفهان

Hosted on Doprax cloud platform doprax.com

copyright © 2015-2023