چارچوب توزیع شده برای استخراج قوانین فازی از داده ها
Publish place: 11th Intelligent Systems Conference
Publish Year: 1391
نوع سند: مقاله کنفرانسی
زبان: Persian
View: 845
This Paper With 7 Page And PDF Format Ready To Download
- Certificate
- من نویسنده این مقاله هستم
استخراج به نرم افزارهای پژوهشی:
شناسه ملی سند علمی:
ICS11_119
تاریخ نمایه سازی: 14 مهر 1392
Abstract:
به دلیل افزایش روزافزون پایگاه های داده، قابلیت مقیاس پذیری و اجرای موازی در الگوریتم های داده کاوی اهمیت زیادی پیدا کرده است. در این مقاله یک چهارچوب توزیع شده ی جدید برای استخراج قوانین دسته بندی از بین داده ها با استفاده از رویکرد چندعاملی در کنار قوانین فازی پیشنهاد می شود. از ویژگی های مهم این چهارچوب می توان به قابلیت مقیاس پذیری، خودسازماندهی در فرآیند یادگیری با استفاده از عامل های خودمختار و قابلیت برخورد با عدم قطعیت با استفاده از قوانین فازی اشاره کرد. هر عامل یک دید محلی از مجموعه داده ی آموزشی دارد. تعامل بین عامل ها در فرآیند یادگیری و استخراج دانش باعث کاهش حجم پایگاه قواعد و انتخاب قانون های دسته بندی مناسب می شود. به دلیل اینکه یادگیری عامل ها می تواند همزمان با هم صورت گیرد قابلیت اجرای موازی را فراهم می کند و در نتیجه زمان یادگیری را کاهش می دهد. قوانین استخراج شده توسط عامل هایی که سطح اطمینان قابل قبولی دارند، برای فرآیندهای تصمیمگیری و دسته بندی استفاده می شود. در این مقاله از سه مسئله ی تصمیم گیری پزشکی برای ارزیابی چهارچوب پیشنهادی استفاده می کنیم و از لحاظ تعداد قوانین فازی استخراج شده و دقت تشخیص با روش های متمرکز مقایسه می کنیم
Keywords:
Authors
سمانه شریف
قطب علمی رایانش نرم و پردازش هوشمند اطلاعات
محمد رضا اکبرزاده توتونچی
گروه مهندسی کامپیوتر، دانشگاه فردوسی منهد
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 :