داده کاوی با استفاده از نقشه های خودسازمانده و سیستم استنتاج فازی

دادهکاوی تلاشی است برای کشف اطلاعاتی که در حجم وسیعی از دادهها پنهان است. دادههای خام به طور مستقیم کمتر دارای ارزش هستند. ارزش واقعی آنها زمانی است که از درون آنها اطلاعاتی مفید برای تصمیمگیری و یا اطلاعاتی برای جستجو و درک بهتر از سیستم مورد نظر بهدست آید. تحلیلگران آشنا با دادهها با استفاده از ابزارهای آماری گزارشاتی را از دادهها ارائه میدادند. با این حال این رویکرد با افزایش دادهها و ابعاد آنها مناسب به نظر نمیرسد. شبکههای عصبی خودسازمانده (SOM) برای نگاشت دادهها با ابعاد بالا به ابعاد کمتر و معمولاً دو بعدی مورد استفاده قرار میگیرند. این نقشهها توانایی نشان دادن وابستگیها به صورت بصری را دارند و میتوانند دادهها را به سرعت دستهبندی کنند. با این حال با توجه به اینکه شبکههای عصبی نوعی جعبهی سیاه هستند، گرفتن اطلاعات کیفی از آنها دشوار است. در رویکرد بهکارگرفته شده در این مقاله با استفاده از SOM داده ها را دسته بندی کرده و سپس با استفاده از قوانین فازی و متغیرهای بیانی یک سیستم استنتاج بر مبنای این دستهبندی ارائه میدهیم. با ترکیب این دو روش میتوان توضیحات زبانی ساده و تقریباً دقیقی از دسته بندیهایی که قبل از اجرای این روش ناشناخته بودند، بدست آورد. برای بررسی کارایی، این روش بر روی یک سری دادهی پزشکی تست شده است. نتایج بدست آمده کارایی بالای این روش را نشان میدهند

Keywords:

داده کاوی , شبکههای عصبی , شبکههای عصبی خودسازمانده , قوانین فازی