ناشر تخصصی کنفرانس های ایران

لطفا کمی صبر نمایید

Publisher of Iranian Journals and Conference Proceedings

Please waite ..
ناشر تخصصی کنفرانسهای ایران
ورود |عضویت رایگان |راهنمای سایت |عضویت کتابخانه ها
عنوان
مقاله

رویکردی نوین به منظور کشف و تجزیه وتحلیل دانش پدیده های استثنایی با استفاده از داده کاوی

سال انتشار: 1394
کد COI مقاله: JR_IMS-3-12_001
زبان مقاله: فارسیمشاهده این مقاله: 191
فایل این مقاله در 20 صفحه با فرمت PDF قابل دریافت می باشد

خرید و دانلود فایل مقاله

با استفاده از پرداخت اینترنتی بسیار سریع و ساده می توانید اصل این مقاله را که دارای 20 صفحه است به صورت فایل PDF در اختیار داشته باشید.
آدرس ایمیل خود را در کادر زیر وارد نمایید:

مشخصات نویسندگان مقاله رویکردی نوین به منظور کشف و تجزیه وتحلیل دانش پدیده های استثنایی با استفاده از داده کاوی

مسعود عابسی - استادیار گروه مهندسی صنایع، دانشکده فنی مهندسی، دانشگاه یزد، یزد، ایران
الهه حاجی گل یزدی - دانشجوی دکتری مهندسی صنایع، دانشکده فنی مهندسی، دانشگاه یزد، یزد، ایران
حسن حسینی نسب - دانشیار گروه مهندسی صنایع، دانشکده فنی مهندسی، دانشگاه یزد، یزد، ایران
محمدباقر فخرزاد - استادیار گروه مهندسی صنایع، دانشکده فنی مهندسی، دانشگاه یزد، یزد، ایران

چکیده مقاله:

منطق یادگیری از استثنایات چالشی قابل توجه در حوزه دادهکاوی است. استثنایات پدیدههای نادری هستند که رفتاری مثبت و متفاوت از الگوهای اصلی و مورد انتظار موجود در پایگاه داده از خود بروز می دهند. ایجاد چارچوبی کارا برای افزایش اطمینانبه پدیدههای استثنایی در کشف دانش و یادگیری موثر از آن حایز اهمیت است. در این پژوهش، الگویی بر اساس تیوری استثنایات و تیوری اطلاعات ارایه شده است تاچالش های پیش روی داده کاوی داده های استثنایی را برطرف نماید. نخست از تابعآنتروپی رنی برای شناسایی استثنایات استفاده و سپس با به کارگیری 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 33 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 به دست آمده از به کارگیری الگوریتمهای معمول یادگیری بیانگر کارایی مدل ارایه شده است.

کلیدواژه ها:

داده کاوی، تیوری استثنایات، تیوری اطلاعات، الگوریتم یادگیری پایین به بالا، پدیده های استثنایی

کد مقاله/لینک ثابت به این مقاله

کد یکتای اختصاصی (COI) این مقاله در پایگاه سیویلیکا JR_IMS-3-12_001 میباشد و برای لینک دهی به این مقاله می توانید از لینک زیر استفاده نمایید. این لینک همیشه ثابت است و به عنوان سند ثبت مقاله در مرجع سیویلیکا مورد استفاده قرار میگیرد:

https://civilica.com/doc/602267/

نحوه استناد به مقاله:

در صورتی که می خواهید در اثر پژوهشی خود به این مقاله ارجاع دهید، به سادگی می توانید از عبارت زیر در بخش منابع و مراجع استفاده نمایید:
عابسی، مسعود و حاجی گل یزدی، الهه و حسینی نسب، حسن و فخرزاد، محمدباقر،1394،رویکردی نوین به منظور کشف و تجزیه وتحلیل دانش پدیده های استثنایی با استفاده از داده کاوی،https://civilica.com/doc/602267

در داخل متن نیز هر جا که به عبارت و یا دستاوردی از این مقاله اشاره شود پس از ذکر مطلب، در داخل پارانتز، مشخصات زیر نوشته می شود.
برای بار اول: (1394، عابسی، مسعود؛ الهه حاجی گل یزدی و حسن حسینی نسب و محمدباقر فخرزاد)
برای بار دوم به بعد: (1394، عابسی؛ حاجی گل یزدی و حسینی نسب و فخرزاد)
برای آشنایی کامل با نحوه مرجع نویسی لطفا بخش راهنمای سیویلیکا (مرجع دهی) را ملاحظه نمایید.

مدیریت اطلاعات پژوهشی

صدور گواهی نمایه سازی | گزارش اشکال مقاله | من نویسنده این مقاله هستم
این مقاله در بخشهای موضوعی زیر دسته بندی شده است:

اطلاعات استنادی این مقاله را به نرم افزارهای مدیریت اطلاعات علمی و استنادی ارسال نمایید و در تحقیقات خود از آن استفاده نمایید.

علم سنجی و رتبه بندی مقاله

مشخصات مرکز تولید کننده این مقاله به صورت زیر است:
نوع مرکز: دانشگاه دولتی
تعداد مقالات: 13,034
در بخش علم سنجی پایگاه سیویلیکا می توانید رتبه بندی علمی مراکز دانشگاهی و پژوهشی کشور را بر اساس آمار مقالات نمایه شده مشاهده نمایید.

مقالات مرتبط جدید

به اشتراک گذاری این صفحه

اطلاعات بیشتر درباره COI

COI مخفف عبارت CIVILICA Object Identifier به معنی شناسه سیویلیکا برای اسناد است. COI کدی است که مطابق محل انتشار، به مقالات کنفرانسها و ژورنالهای داخل کشور به هنگام نمایه سازی بر روی پایگاه استنادی سیویلیکا اختصاص می یابد.

کد COI به مفهوم کد ملی اسناد نمایه شده در سیویلیکا است و کدی یکتا و ثابت است و به همین دلیل همواره قابلیت استناد و پیگیری دارد.

پشتیبانی