بهبود دقت در کاوش قوانین انجمنی از کلان داده
Publish place: سومین کنگره بین المللی کامپیوتر، برق و مخابرات
Publish Year: 1395
نوع سند: مقاله کنفرانسی
زبان: Persian
View: 472
This Paper With 19 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:
شناسه ملی سند علمی:
ITCC03_198
تاریخ نمایه سازی: 6 اردیبهشت 1396
Abstract:
گسترش فن آوری های ارتباطی وذخیره سازی به افزایش حجم وتنوع دادهها منجر شده و باعث بوجودآمدن مفهوم کلان داده گردیده است. این حجم فزاینده و انواع مختلف داده موجب تغییر روشهایتجزیه و تحلیل داده ها شده اند و می توانند فرصت های بیشتری برای استخراج ارزش از داده ها فراهمکنند. بنابراین نیاز به روش های پیشرفته تر تجزیه وتحلیل کلان داده ها بیش از پیش احساس می شود.یکی از روشهای تجزیه وتحلیل کلان داده ها، کشف قوانین انجمنی ازکلان داده است. قوانینانجمنی، روابط حاکم بر داده ها را کشف می کنند. روشهای زیادی برای کشف قوانین انجمنیازکلان داده ارایه شده است، که یکی از این روشها، به کارگیری تکنیک های الگوریتم ژنتیک دراین زمینه است. روش هایی که از این تکنیک در زمینه ی استخراج قوانین انجمنی استفاده کرده اند،دقت قابل قبولی را در کاوش این قوانین ارایه نمی کنند. در این مقاله، روشی اریه شده است که بابهره گیری از روش برنامه نویسی عبارت ژن بر اساس سلول بندی و با استفاده از دسته بندی راه حل ها ،قوانین قوی تر و دقیق تری کشف شوند. در این روش، قبل ازسلول بندی، دسته بندی قوانین تولید شدهبه روش KNN انجام میگیرد، همچنین باتغییرتابع ارزیاب الگوریتم واضافه کردن دیگر معیارهایارزیابی قوانین انجمنی به این تابع، در کل، دقت الگوریتم پیشنهادی به میزان 11 درصد افزایش یافته است.
Keywords:
Authors
مهدیه عرفان
دانشجوی کارشناسی ارشد، مهندسی نرم افزار کامپیوتر، دانشگاه شیخ بهایی، اصفهان، ایران
محمود مرتضوی
عضو هیات علمی، گروه مهندسی کامپیوتر، دانشگاه شیخ بهایی، اصفهان، ایران
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 :