یک روش هوشمند جدید استخراج داده جهت مدل سازی

امروزه داشتن مدل از سیستم های واقعی اهمیت قابل توجهی دارد. مدل ها می توانند در تحلیل سیستم های سودمند باشند و به درک بهتری از رفتار آنها کمک کنند. از منظری می توان مدل سازی را به 3 دسته 3white box و black box و gray box تقسیم کرد. ایده ی ما به مدل سازی black box مربوط می شود. صحت عملکرد یک مدل black box به عنوان مدل، از سویی به ساختاری که برای آن در نظر می گیریم بستگی دارد و از سویی دیگر به داده های آموزشی که برای تعلیم آن به کار می رود. با آنکه یکی از فاکتورهای مؤثر در افزایش غنای مجموعه دادگان بالا رفتن تعداد اعضای این مجموعه است، به علت مشکلات موجود در دنیای واقعی، جهت افزایش تعداد دادگان محدودیت هایی وجود دارد. به عنوان مثال اندازه گیری داده از بسیاری از فرایندها و سیستم هایی که قصد مدل کردن آن ها را داریم، مستلزم صرف هزینه و وقت بسیار می باشد. ایده ما برای هنگامی است که جهت در اختیار داشتند دادگان مورد نیاز جهت مدل سازی مورد نظر، دست به انجام آزمایش بزنیم. با الهام از الگوریتم زنبور عسل، الگوریتمی طراحی کرده ایم که برای تعداد ثابتی آزمایش غنای دادگان را نسبت به سایر روش های مرسوم استخراج داده بالا می برد. در این الگوریتم پس از استخراج تعدادی داده به روش شبکه بندی، سایر دادگان بر اساس تحلیل دادگان موجود استخراج می شوند. نتایج بیانگر کارایی روش ارایه شده است.

Keywords:

استخراج دادگان , مدل سازی , الگوریتم های تکاملی