توسعه روشی مناسب برای مقابله با تغییر مفهوم با استفاده از ماشین بردار پشتیبان فازی

اخیرا داده ها به صورت روز افزون و با سرعت بسیار زیادی درحال افزایش هستند . این داده ها، جریان داده نام دارند. امروزه به دلیل اهمیت و گستردگی کاربرد، و نیاز به استخراج پویای دانش موجود در جریان داده ها، داده کاوی جریان داده اهمیت بسزایی یافته است. از مهم ترین مشکلاتدر داده کاوی جریان داده وجود تغییر مفهوم به صورت ذاتی در این نوع داده هاست. به طور کلی تغییر مفهوم را می توان تغییر توزیع کلاس ها درداده های جریانی دانست. این مقاله با توجه به چالش اصلی در جریان داده، یک روش جدید برای طبقه بندی جریان داده ارائه می دهد. در این روش برای انجام عملیات طبقه بندی از ماشین بردار پشتیبان فازی ) FSVM ( استفاده می نماید. ویژگی بارز این روش در مقایسه با کارهای پیشین استفاده ازتئوری فازی برای مقابله با مشکل تغییر مفهوم در داده های جریانی می باشد. تحلیل های موجود و نتایج آزمایشگاهی نشان می دهد که مدل پیشنهاد شده دارای برتری قابل توجهی نسبت به مدل های قبلی می باشد

کلیدواژه ها:

تغییر مفهوم ، جریان داده ، داده کاوی ، طبقه بندی ، ماشین یردار پشتیبان فازی