Senior Defense: ارائه الگوریتم خوشه بندی مبتنی بر سیستم تئوری خاکستری و ماشین بردار پشتیبان بهبود یافته برای کلان داده ها در محیط ابر

ارائه الگوریتم خوشه بندی مبتنی بر سیستم تئوری خاکستری و ماشین بردار پشتیبان بهبود یافته برای کلان داده ها در محیط ابر روز شنبه، 20 اسفند، 1401 توسط موسسه آموزش عالی پیشتازان شیراز در شهر شیراز استان فارس برگزار می شود.

هدف از مدیریت داده ها، اطمینان از اثر بخشی ذخیره سازی داده ها ، تجزیه و تحلیل برنامه ها و مدیریت است. با این حال ، مشکلات متعددی مانع از مدیریت ابر داده است. پس از نشان دادن فرایند مدیریت ابر داده ها،یک طبقه بندی از مشکلات مرتبط توسعه داده شده است. علاوه بر این برای مقابله با این مشکلات راه حل هایی مانند خوشه بندی ارائه شده است.در این پژوهش، یک راهکار جدید جهت بهبود عملکرد خوشه بندی کلان داده ها پیشنهاد می شود. به منظور افزایش سرعت و دقت و کاهش زمان اجرا و پیچیدگی زمانی روند خوشه بندی کلان داده ها و همچنین افزایش کارایی خوشه بندی از یک رویکرد ترکیبی استفاده می شود که در آن از سیستم تئوری خاکستری برای کاهش حجم داده ها و از الگوریتم ماشین بردار پشتیبان برای آموزش و دسته بندی داده ها بهره برداری می شود. در ادامه سیستم تئوری خاکستری و ماشین بردار پشتیبان بهبود یافته به صورت خلاصه معرفی می شوند. در حالت کلی بسیاری از مسائل به روش های معمول ریاضی قابل حل نیستند و یا حل کردن آن ها زمان بسیار زیادی را می طلبد. در این نوع مسائل، هدف اصلی پیدا کردن یک نقطه مناسب در مسئله است که به اصطلاح به آن نقطه، نقطه ی بهینه گفته می شود. نقطه ی بهینه، زمانی به دست می آید که کمترین خطا در مسئله وجود داشته باشد. یکی دیگر از روش های حل مسائل بهینه سازی، الگوریتم های بهینه سازی هستند که سیستم تئوری خاکستری، ازجمله این الگوریتم ها است. در این فصل ابتدا روند انجام شبیه سازی ارائه و بیان شد، سپس در ادامه نتایج حاصل از شبیه سازی در نرم افزار متلب نسخه ۲۰۱۵ به صورت نمودار بیان توصیف شدند. نتایج به دست آمده از شبیه سازی به منظور مقایسه روش پیشنهادی در مولفه های، زمان اجرا، زمان استخراج وظایف، دقت خوشه بندی و نرخ استفاده از منابع در هر خوشه توصیف شدند و نتایج نشان دهنده بهبود روش پیشنهادی نسبت به راهکارهای مقایسه شده بود.
معرفی سخنرانان: گرداورنده: سعید نور بخش استاد راهنما: دکتر سعید مهرجو استاد داور: دکتر ندا احرار استاد مشاور: دکتر مهرناز نیازی