یک الگوریتم رگرسیون غیرخطی خوشه ای برای داده های بازه ای مقدار

چکیدهپیشرفت های فن آوری اطلاعات، امکان جمع آوری و ذخیره حجم زیادی از داده ها را در بسیاری از زمینه ها مانند امور مالی، بازرگانی، زیست شناسی، پزشکی، شبکه های اجتماعی و غیره را فراهم کرده است. اطلاعات جمع آوری شده در این مجموعه داده بزرگ، ناهمگن، نادقیق و با تغییر زمان است. در حال حاضر، یک نیاز مهم برای تجمیع این مجموعه داده های بزرگ در ریزدانه های اطلاعاتی، وجود دارد که به طور همزمان تا آنجا که ممکن است اطلاعات را حفظ نموده و در عین حال می توانند نتایج را به راحتی توضیح داده و با شواهد تجربی پشتیبانی کنند. این ریزدانه های اطلاعاتی اغلب به عنوان داده های نمادین (سمبلیک) یا داده دانه ای نام گذاری می شوند. در دو دهه اخیر، تجزیه و تحلیل داده دانه ای رشد سریعی داشته است و اغلب از طریق تحلیل های بازه ای مقدار، مجموعه های فازی، مجموعه های تصادفی، مجموعه های ناهموار و مجموعه های پنهان در چارچوب های رسمی انجام می شود. [۴۰]. تجزیه و تحلیل داده های نمادین برای گسترش روش های داده کاوی و آمار اکتشافی برای مدیریت داده های نمادین استفاده می شود که اغلب توسط روش های آماری و چندمتغیره پشتیبانی می شوند [۳,۱۸]. مسائل منابع [۲۰,۲۸,۴۶] نیز گواه علاقه روزافزون به این زمینه ها است.

کلیدواژه ها:

الگوریتم رگرسیون ، غیرخطی خوشه ای ، داده های بازه ای مقدار