رویکردی نوین به منظور کشف و تجزیه وتحلیل دانش پدیده های استثنایی با استفاده از داده کاوی

منطق یادگیری از استثنایات چالشی قابل توجه در حوزه دادهکاوی است. استثنایات پدیدههای نادری هستند که رفتاری مثبت و متفاوت از الگوهای اصلی و مورد انتظار موجود در پایگاه داده از خود بروز می دهند. ایجاد چارچوبی کارا برای افزایش اطمینانبه پدیدههای استثنایی در کشف دانش و یادگیری موثر از آن حایز اهمیت است. در این پژوهش، الگویی بر اساس تیوری استثنایات و تیوری اطلاعات ارایه شده است تاچالش های پیش روی داده کاوی داده های استثنایی را برطرف نماید. نخست از تابعآنتروپی رنی برای شناسایی استثنایات استفاده و سپس با به کارگیری رویکرد یادگیری پایین به بالا، بر مبنای الگوریتم پیشنهادی RISE ارتقا یافته، قوانین حاکم بر بروز رفتار استثنایی استخراج میگردد. به منظور تعیین کارایی مدل پیشنهادی، کشف سهام استثنایی و یادگیری رفتار آنها مورد بررسی قرار گرفته است. از مجموع 1334 سهم مورد بررسی 33 سهم رفتار استثنایی داشته اند که رفتار آن ها در قالب سه قانون مشخص شده است. ارجحیت نتایج حاصل از مدل پیشنهادی نسبت به نتایج به دست آمده از به کارگیری الگوریتمهای معمول یادگیری بیانگر کارایی مدل ارایه شده است.

رویکردی نوین به منظور کشف و تجزیه وتحلیل دانش پدیده های استثنایی با استفاده از داده کاوی Keywords:

داده کاوی , تیوری استثنایات , تیوری اطلاعات , الگوریتم یادگیری پایین به بالا , پدیده های استثنایی