رویکردی نوین به منظور کشف و تجزیه وتحلیل دانش پدیده های استثنایی با استفاده از داده کاوی | ||
| مطالعات مدیریت کسب و کار هوشمند | ||
| مقاله 1، دوره 3، شماره 12، 1394، صفحه 1-20 اصل مقاله (725.04 K) | ||
| نویسندگان | ||
| مسعود عابسی1؛ الهه حاجی گل یزدی2؛ حسن حسینی نسب3؛ محمد باقر فخرزاد1 | ||
| 1استادیار گروه مهندسی صنایع، دانشکده فنی مهندسی، دانشگاه یزد، یزد، ایران | ||
| 2دانشجوی دکتری مهندسی صنایع، دانشکده فنی مهندسی، دانشگاه یزد، یزد، ایران | ||
| 3دانشیار گروه مهندسی صنایع، دانشکده فنی مهندسی، دانشگاه یزد، یزد، ایران | ||
| چکیده | ||
| منطق یادگیری ازاستثنائات چالشی قابل توجه در حوزه دادهکاوی است. استثنائات پدیدههای نادری هستند که رفتاری مثبت و متفاوت از الگوهای اصلی و مورد انتظار موجود در پایگاهداده از خود بروز می دهند. ایجاد چارچوبی کارا برای افزایش اطمینان به پدیدههای استثنایی در کشف دانش و یادگیری موثر از آن حائز اهمیت است. در این پژوهش، الگویی بر اساس تئوری استثنائات و تئوری اطلاعات ارائه شده است تا چالشهای پیشروی دادهکاوی دادههای استثنایی را برطرف نماید. نخست از تابع آنتروپی رنی برای شناسایی استثنائات استفاده و سپس با بکارگیری 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 36 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 بدست آمده از بکارگیری الگوریتمهای معمول یادگیری بیانگرکارایی مدل ارائه شده است. است. | ||
| کلیدواژهها | ||
| دادهکاوی؛ تئوری استثنائات؛ تئوری اطلاعات؛ الگوریتم یادگیری پایین به بالا؛ پدیده های استثنایی | ||
| مراجع | ||
|
| ||
|
آمار تعداد مشاهده مقاله: 2,674 تعداد دریافت فایل اصل مقاله: 1,413 |
||