رتبه بندی قوانین استخراج شده از داده کاوی با رویکرد فازی

Publish Year: 1391
نوع سند: مقاله کنفرانسی
زبان: Persian
View: 1,673

This Paper With 6 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:

ISCEE15_125

تاریخ نمایه سازی: 3 آذر 1391

Abstract:

امروزه استفاده ازداده کاوی برای کشف روابط پنهانی بین داده ها پیشرفت زیادی کرده است یکی از مسائل مهم استخراج قوانین از مجموعه داده ها می باشد که یک نوع ازاین قوانین قوانین دسته بندی هستند بعد ازاجرای الگوریتم های استخراج قانون از مجموعه داده های بزرگ قوانین زیادی تولید می شود که استفاده ازهمه آنها غیرمطلوب است و خیلی ازاین قوانین غیرمفید هستند که باید براساس معیارهایی مرتب شوند تا از بهترین آنها استفاده شود دراین مقاله از سیستم خبره فازی برای رتبه بندی قوانین استخراج شده از داده کاوی استفاده شده است بدین منظور از پایگاه داده بازار بورس قوانینی با الگوریتم C5.0 استخراج شده و سپس برای هرقانونمعیارهای جذابیتی را درنظر گرفتیم و با طراحی یک مدل فازی قوانین را رتبه بندی کردیم نتایج بدست امده با چندین روش دیگر ازجمله روش تحلیل پوششی داده ها DEA که برای رتبه بندی قوانین استفاده شده بودند مقایسه شد و مشخص شد که روش فازی دقت بهتری را برای رتبه بندی تامین کردها ست.

Authors

سیدمحمد جعفریان

دانشگاه تحصیلات تکمیلی صنعتی کرمان

علی اکبر نیک نفس

دانشگاه شهید باهنر کرمان

حمید صنعت نما

دانشگاه تحصیلات تکمیلی صنعتی کرمان

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 :
  • Geng, L. and Hamilton, H. J., "Interestingness measures for data ...
  • Dreiseitl, S., et al., "An evaluation of heuristics for rule ...
  • Chen, M. C., "Ranking discovered rules from data mining with ...
  • Michalski, R. S., "A theory and methodology of inductive learning, ...
  • Torgo, L, "Controlled redundancy in incremental rue learning, " 1993, ...
  • Brazdil, P. and Torgo, L, "Knowledge acquisition via knowledge integration, ...
  • Smyth, P. and Goodman, R. M., "An information theoretic approach ...
  • Quinlan, J. R., "Induction of decision trees, " Machine learning, ...
  • Quinlan, J. R., C4. 5: programs for machine learning: Morgan ...
  • Zadeh, L. A., "Fuzzy sets, " Information and control, vol. ...
  • Jang, J. S. R , .et ul, Neuro-futzzy and soft ...
  • Sugeno, M. and Kang, G., "Structure identification of fuzzy model, ...
  • Takagi, T. and Sugeno, M., "Fuzzy identification of system and ...
  • Mamdani, E. H. and Assilian, S., "An experiment in linguistic ...
  • Agrawal, R., et al., "Mining association rules between sets of ...
  • Cook, W. D. and Kress, M. "A data envelopment model ...
  • Obata, T. and Ishii, H., "A method for discriminating efficient ...
  • _ _ _ 36, pp. 8503-8508, 2009. ...
  • _ _ _ _ _ Expert Systems wvith Applications: An ...
  • نمایش کامل مراجع