تشخیص روبات های وب بر مبنای شبکه عصبی GMDH و الگوریتم بهینه سازی توده ذرات

روباتهای وب برنامه هایی برای استخراج دانش از صفحات وب هستند که کار خود را با تعدادی صفحه آغاز کرده و به صورت بازگشتی تمام اسناد قابل دسترسی از این صفحات را بازدید می کنند. برخی از این روبات ها مخرب هستند. بنابراین تشخیص روبات های وب از جمله چالش ها در زمینه دسته بندی است. در این تحقیق به ارائه یک روش ترکیبی جدید بر مبنای الگوریتم کلونی زنبور، شبکه عصبی GMDH و الگوریتم PSO با هدف افزایش کارایی در تشخیص روبات های وب پرداخته شده است. از الگوریتم کلونی زنبور جهت انتخاب ویژگی و از الگوریتم PSO جهت بهبود ضرایب چندجمله ای در GMDH استفاده شده و جهت شبیه سازی نتایج نیز از نرم افزار متلب استفاده گردیده است. نتایج روش پیشنهادی با الگوریتمهای GMDH و PSO، به تنهایی مقایسه شده است. معیارهای مورد مقایسه در این تحقیق، دقت، ویژگی و حساسیت می باشند. نتایج حاکی از برتری روش پیشنهادی در معیارهای مورد بررسی نسبت به الگوریتمهای مورد مقایسه در این تحقیق است.