روش تشخیص داده های پرت Outlier Detection

Publish Year: 1393
نوع سند: مقاله کنفرانسی
زبان: Persian
View: 7,556

This Paper With 9 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:

CSITM01_237

تاریخ نمایه سازی: 10 شهریور 1393

Abstract:

عملیات داده کاوی مفید نیاز به داده های خوب ومناسب دارد .داده های مناسب جهت عملیات داده کاوی می تواند حاصل پیشپردازش درست و صحیح داده ها باشد ,در واقع برای کشف دانش به کمک داده کاوی باید مقدماتی صورت گیرد که مجموعه اینمقدمات را آماده سازی داده ها می گویند. از اصلی ترین عملیات آماده سازی داده ها پاک سازی داده هاست که با هدف از بین بردن عدم قطعیت در داده کاوی مورد استفادهقرار گرفته وشامل هموار کردن نویز ها , شناخت و حذف داده های پرت و برطرف کردن ناسازگاری ها است . دراین مقاله ضمنمعرفی داده های پرت سعی داریم چندین روش برای تشخیص نقاط دور افتاده یا داده های پرت ارائه دهیم .روش تک متغیری درمقابل روش های چند متغیر و روش های پارامتری در مقابل روش های غیر پارامتری.

Keywords:

داده کاوی , نقاط دور افتاده , تشخیص داده های پرت , داده های پرت , دسته بندی نقاط پرت

Authors

فرشته حسینی

دانشجوی دانشگاه آزاد اسلامی واحد محلات

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 :
  • عبدالرضا رشنو، رویا امجدی فرد، حسین صادقیان نژاد، "شناسایی نقاط ...
  • محمد جواد امیری www.irandata mier.ir, ...
  • Rohan Baxter, Hongxing He, Graham Williams, Simon Hawkins and Lifang ...
  • H. Jair Escalane , hugoj air@ccc .inaoep. mx, Computer Science ...
  • نمایش کامل مراجع