ارائه یک روش اماری نوین برای تشخیص تغییر مفهوم د رداده های جریانی بدون برچسب

Publish Year: 1389
نوع سند: مقاله کنفرانسی
زبان: Persian
View: 1,313

This Paper With 8 Page And PDF Format Ready To Download

  • Certificate
  • من نویسنده این مقاله هستم

این Paper در بخشهای موضوعی زیر دسته بندی شده است:

استخراج به نرم افزارهای پژوهشی:

لینک ثابت به این Paper:

شناسه ملی سند علمی:

CEIC03_051

تاریخ نمایه سازی: 4 آذر 1389

Abstract:

درسالهای اخیر داده های جریان توجه بسیاری از محققین را در حوزه های مختلف مانندشبکه های حسگر سامانه های مخابراتی، دنبال صفحات مراجعه شده توسط کاربر و بازار سهام به خود جلب کرده است از نظر هر سامانه داده های جریانی داده هایی با حجم بسیار بالا می باشند که بصورت افزایشی و با سرعت بالا به آن سامانه وارد می شوند بنابراین تحلیل هایی که روی انها انجام می پذیرد می بایست بصورت افزایشی اعملا شود از مهمترین چالشهای موجود در یادگیری داده های جریانی تغییر توزیع داده هاست که در طول زمان اتفاق می افتد به این تغییر توزیع در طول زمان تغییر مفهوم نیز اطلاق می شود نظر به اهمیت داده های نمادی در دنیای واقعی دراین مقاله روشی اماری برای تشخیص تغییر مفهوم در داده های جریانی نمادی که برچسب داده ها در انها در دسترس نمی باشد ارائه شده است روش پیشنهادی برای تشخیص تغییر مفهوم از یک تست اماری استفاده می کند که این تسبت از مفهومی به نام مارتینگل مشتق شده است.

Authors

نیلوفر مظفری

دانشکده مهندسی دانشگاه شیراز

مراجع و منابع این Paper:

لیست زیر مراجع و منابع استفاده شده در این Paper را نمایش می دهد. این مراجع به صورت کاملا ماشینی و بر اساس هوش مصنوعی استخراج شده اند و لذا ممکن است دارای اشکالاتی باشند که به مرور زمان دقت استخراج این محتوا افزایش می یابد. مراجعی که مقالات مربوط به آنها در سیویلیکا نمایه شده و پیدا شده اند، به خود Paper لینک شده اند :
  • B. Babcock, S. Babu, M. Datar, R. Motwani, and J. ...
  • W. Fan, "Systematic _ selection to mine concept- _ in ...
  • X. Liu, J. Guan and . Hu "Mining frequent closed ...
  • J.Han, M.Kamber, Data mining: concepts and techniques, Morgan Kaufmann, 2001. ...
  • S.-S. Ho, H. Wechsler, _ martingale framework for ...
  • S.-S. Ho and H Wechsler, "Detecting changes in unlabeled dat. ...
  • S.-S. Ho, _ martingale framework for concept change detection in ...
  • P.J. Bicke] and K. Doksum, Mathematical statistics: basc ideas and ...
  • Statistics, Hayward, California, 1994. ...
  • J. Glaz, N. Balakrishnan, editors, Scan statistics and applications, Boston, ...
  • J. Glaz, J. Naus, and S. Wallenstein, Scan statistics, springer, ...
  • _ _ _ internaional conference on Machine Learning, P. Langley, ...
  • _ _ 23, no. 1, pp. 69-101, 1996. ...
  • _ _ _ Analysis, Special Issue On Incremental Learning Systems ...
  • _ _ National Confer ence o) Comput er Engineering & ...
  • F. Chu, Y. Wang, and C. Zaniolo, "An adaptive learning ...
  • Computer Society, pp. 351-354, 2004 ...
  • _ _ _ Getoor, T. E. Senator, P. Domingos, and ...
  • M. Scholz and . Klinkenberg, "Boosting classifiers for _ _ ...
  • O. Bousquet and M. Warmuth, "Tracking a Small Set of ...
  • _ _ _ _ internaional conference on Management of Data, ...
  • D. Kifer, S. Ben-David, and J. Gehrke, "Detecting change ...
  • and K. B. Schiefer, Eds. Morgan Kaufmann, pp. 180-191, 2004. ...
  • T. Dasu, S. Krishnan, S. Venkatas ubramanian, and K. Yi. ...
  • Shen-Shyang Ho and Harry Wechsler, _ the detection of concept ...
  • نمایش کامل مراجع