نام پژوهشگر: نسرین کلنات
نسرین کلنات محمد حسین سرایی
دادهکاوی فرایند کشف کردن الگوهای معتبر، جدید و قابل فهم از داده میباشد به طوریکه این الگوها قابل کاربرد و قابل استفاده در تصمیمگیریهای تجاری باشند. از آنجایی که اغلب تکنیکهای دادهکاوی بر استخراج کردن الگوها و توالیهای مکرر از داده تمرکز میکنند و به قابل کاربرد بودن این الگوها در تصمیمگیریهای تجاری توجه نمیکنند، شکافی بین الگوهای کشف شده توسط آنها و انتظارات تجاری کاربران ایجاد شده است.به منظور پر کردن این شکاف و در جهت گسترش دادهکاوی به کاربردهای جهان واقع، متدهای کشف کردن دانش قابل کاربرد بوجود آمدهاند.تاکنون کارهای محدودی در زمینهکشف کردن دانش قابل کاربرد انجام شده است که تمامی آنها فرض را بر قطعی بودن داده نهادهاند. از آنجاکه در اغلب و شاید تمام سناریوهای جهان واقع، هیچگاه مقادیر کاملاً قطعی وجود ندارد، این روشها، منجر به ارائه دانش ناکامل و نادقیق میشوند. در این پروژه به منظور رفع مشکلات ذکر شده از تئوری فازی استفاده میشود و ایدهی ترکیب کردن آن با دانش قابل کاربرد معرفیمیشود. بدین منظور و در جهت بهبود تنها روش موجود برای استخراج کنش(متد جستجو برگ-گره)،کنش فازیمعرفیمیشود. همچنین تابعی برای برآورد سود خالص حاصل از هر کنش فازی ارائه میشود ومتدیبرای کاوشکنش فازی مقرون به صرفه به منظور کاهش میزان تعلقیک موجودیت مشخص به موقعیت نامطلوب و افزایش میزان تعلق آن به موقعیت مطلوبتر در حالیکه سود خالص بیشینه شود، پیشنهاد میشود.این متد در فرآیند پس پردازش خودکار، کنشهای فازی مقرون به صرفه را از درخت تصمیمگیری فازی استخراج میکند. در انتها کارایی متد ارائه شده با بکارگیری آن و بکارگیری متد جستجو برگ-گره، روی چهار پایگاه دادهی عمومیuci نشان داده میشود. در این مرحله یکبار خصوصیات عددی هر پایگاه داده و بار دیگر همه خصوصیات آن در نظر گرفته میشود. با ارزیابیهای انجام شده نشان داده میشودکه روش پیشنهادی از نظر تعداد کنشهای پیشنهادی، سود کل خالص آنها و متوسط سود هر کنش به مقدار قابل توجهی کاراترمیباشد.