معرفی الگوریتم پیشنهادی داده کاوی با استفاده از ترکیب خوشه بندی زنجیره ای مارکوف و اتوماتای یادگیر

داده کاوی یکی از پیشرفت های اخیر در حوزه کامپیوتر برای اکتشاف عمقی داده هاست. داده کاوی اطلاعات پنهانی که برای برنامه ریزی ها ی استرات ژیک می تواند حیاتی باشد را آشکار می سازد. خوشه بندی از جمله الگوریتم های دسته بندی داده کاوی است. الگوریتم خوشه بندی اطلاعاتی راکه ویژگی های نهدیک به هم و مشابه دارند را در قطعه هایی جداگانه که به آن خوشه گفته می شود قرار می دهد. الگوریتم خوشه بندی زنجیره ایشباهت زیادی به خوشه بندی دارد اما برخلاف آن، خوشه ها را بر پایه یک مدل جستجو می کند و نه بر اساس شباهت رکوردها. این مدل زنجیره ای رویدادها را بر اساس زنجیره ی مارکوف ایجاد می کند. اتوماتای یادگیر یک مدل انتهاعی است که بطور تصادفی یک اقدام از مجموعه متناهی اقدام های خود را انتخاب کرده و بر محیط اعمال می کند.در بین الگوریتم های داده کاوی از زنجیره مارکوف و اتوماتای یادگیر جهت ارایه روش پیشنهادی استفاده می شود در زنجیره مارکوف که در خوشهبندی استفاده می شود؛ توزیع احتمال شرطی در مارکوف برای بدست آوردن حالت بعدی فقط از حالت فعلی سیستم استفاده می کند و در اتوماتاییادگیر از حالت قبلی برای رسیدن به نتیجه استفاده می شود. روش پیشنهادی حاصل از ترکیب دو روش؛ یعنی زنجیرره مار کوف و اتوماتای بردینصورت می باشد که ابتدا از اتوماتای یادگیر برای بدست آوردن حالت های قبلی و در ادامه از زنجیره مارکوف برای خوشه بندی اطلاعات و رسیدن به پیش بینی حالت بعدی میرسد.در این مقاله به بررسی این دو روش و ترکیب أنها پرداخته می شود.

کلیدواژه ها:

داده کاوی ، خوشه بندی ، زنجیره مارکوف ، اتوماتای یادگیر