پروژه ویژه دانشجویان کامپیوتر در زمینه داده کاوی پویا با استفاده از عامل

سایت تخصصی هفت برگ بهترین مرجع پایان نامه ، آموزش و ارائه دهنده مقالات تخصصی

داده کاوی پویا با استفاده از عامل

قیمت محصول 42000 تومان

آسان خرید کنید

تضمین کیفیت فایل

پشتیبانی 24 ساعته

42000 تومان – خرید

0 خرید

۰دیدگاه

داده کاوی پویا

رتبه دادن به محصول

جزییات محصول

برای داده کاوی پویا با استفاده از عامل امروزه با توجه به گسترش روز افزون اطلاعاتی که بشر با آنها سر و کار دارد. بهره‌­گیری از روش‌هایی همچون داده کاوی پویا برای استخراج دانش و اطلاعات نهفته در داده‌­ها، امری غیرقابل اجتناب می‌­باشد. بدلیل حجم بسیار بالای داده‌­ها در بسیاری از کاربردها و اهمیت بیشتر داده‌­های جدید، ذخیره­ سازی این داده­‌ها امری مقرون به صرفه نیست. لذا داده‌­هایی که باید مورد پردازش قرار گیرند. همواره بصوت پویا در حال تغییر و تحول هستند. مساله دیگری که امروزه در بحث داده­ کاوی پویا وجود دارد؛ بحث توزیع شدگی ذاتی داده‌­ها است. معمولا پایگاه‌هایی که این داده‌­ها را ایجاد یا دریافت می­‌کنند؛ متعلق به افراد حقیقی یا حقوقی هستند که هر کدام بدنبال اهداف و منافع خود می‌‌باشند و حاضر نیستند دانش خود را بطور رایگان در اختیار دیگران قرار دهند. از سایت هفت برگ موضوعاتی چون بررسی داده کاوی و داده بزرگ برای دانشجویان رشته کامپیوتر قابل دسترس است.

دستاوردهای اصلی داده کاوی

1- ارائه یک رویکرد مبتنی بر عامل برای مساله طبقه­ بندی جریان داده­‌های دارای تغییر مفهوم و پویا با استفاده از قابلیت‌های هدفگرایی، هوشمندی، یادگیری و استدلال 2- ارائه یک رویکرد مبتنی بر سیستم‌های چند عامله برای طبقه ­بندی جریان داده­‌های توزیع­ شده در یک محیط رقابتی با استفاده از قابلیت‌های اجتماعی عامل‌ها و دستیابی به توافق. نتایج حاصل از آزمایشات انجام شده در این پایان­‌نامه نشان­‌دهنده برتری استفاده از عامل‌ها و سیستم‌های چندعامله برای بحث طبقه­‌بندی و داده­‌کاوی در محیط‌های پویا و توزیع شده می­‌باشد.

مقدمه‌ای بر داده‌ کاوی

داده کاوی به معنای یافتن نیمه خودکار الگوهای پنهان موجود در مجموعه داده‌های  موجود می‌باشد. داده‌کاوی از مدل‌های تحلیلی ، کلاس بندی و تخمین و برآورد اطلاعات و ارائه نتایج با استفاده از ابزارهای مربوطه بهره می‌گیرد. می‌توان گفت که داده کاوی در جهت کشف اطلاعات پنهان و روابط موجود در بین داده‌های فعلی و پیش‌بینی موارد نامعلوم و یا مشاهده نشده عمل می‌کند. برای انجام عملیات داده‌کاوی لازم است قبلا روی داده‌های موجود پیش‌پردازشهایی انجام گیرد. عمل پیش پردازش اطلاعات خود از دو بخش کاهش اطلاعات و خلاصه‌سازی و کلی‌سازی داده‌ها تشکیل شده است. کاهش اطلاعات عبارت است از تولید یک مجموعه کوچکتر، از داده‌های اولیه، که تحت عملیات داده‌کاوی نتایج تقریبا یکسانی با نتایج داده کاوی روی اطلاعات اولیه به دست دهد. پس از انجام عمل کاهش اطلاعات و حذف خصایص غیر مرتبط نوبت به خلاصه‌سازی و کلی‌سازی داده‌ها می رسد.

کلی سازی اطلاعات

داده‌های موجود در بانک‌های اطلاعاتی معمولا حاوی اطلاعات در سطوح پایینی هستند، بنابراین خلاصه‌سازی مجموعه بزرگی از داده‌ها و ارائه آن به صورت یک مفهوم کلی اهمیت بسیار زیادی دارد. کلی سازی اطلاعات، فرآیندی است که تعداد زیادی از رکوردهای یک بانک اطلاعاتی را به صورت مفهومی در سطح بالاتر ارائه می نماید.

روش های داده کاوی پویا

روش‌های داده کاوی پویا به سه دسته کلی تقسیم می‌شوند که عبارتند از خوشه بندی، طبقه بندی و کشف قواعد وابستگی.

داده‌­کاوی توزیع شده

داده­­‌کاوی توزیع شده عبارت است از کشف نیمه خودکار الگوهای پنهان موجود در داده­‌ها، در حالتی که داده‌­ها و یا مکانیزم‌های استنتاج، به صورت توزیع شده باشند. غیرمتمرکز بودن داده‌­ها بدان معناست که داده­‌ها به صورت توزیع شده بین دو یا چند سایت بوده و هزینه انتقال تمام یا بخشی از داده‌­ها به یک سایت مرکزی، قابل صرفنظر نباشد. توزیع شده بودن مکانیزم‌های استنتاج، به معنای لزوم لحاظ کردن هزینه ارتباط بین مکانیزم‌های مختلف در حال استخراج دانش می‌­باشد. این توزیع شدگی ممکن است به دلایل مختلفی از جمله ارائه شدن مکانیزم استخراج دانش در قالب یک سرویس اینترنتی و یا صرفا ناشی از توزیع شدگی داده­‌ها باشد. چنین رویکردی به داده­‌کاوی، برخلاف جهت کلی تحقیقات انجام شده است که به طور عمده به تکنیک‌های متمرکز پرداخته و نه فقط بر تمرکز، که بر همگونی و ساختار مسطح (در مقابل ساختار رابطه­‌ای) داده‌­های هدف متکی می‌­باشند.

عامل:

یک سیستم (نرم­افزار) کامپیوتری که خودکار بوده و دارای قابلیت­‌های اجتماعی، توانائی واکنش و برنامه­‌ریزی برای آینده می­‌باشد.

 

 تفاوت بین اشیاء و عامل‌ها

  • عامل‌ها نسبت به اشیاء خود مختار هستند. عامل‌ها خودشان نسبت به انجام درخواست عامل دیگر تصمیم می‌گیرند.
  • عامل‌ها قابلیت رفتار انعطاف پذیر دارند. در مدل استاندارد شی گرا این قابلیتها در نظر گرفته نمی‌شود.
  • عامل‌ها فعال هستند.
  • ارتباطات بین اشیاء از طریق فراخوانی توابع و ارتباطات در عامل‌ها از طریق زبان‌های ارتباطی است.
  • عامل‌ها هدف گرا هستند.

مشخصات سیستم‌های چندعامله

  • دانش کافی و لازم برای حل یک مساله در یک عامل وجود ندارد.
  • کنترل سیستم توزیع شده است. (یک سیستم کنترل کلی وجود ندارد.)
  • داده‌ها غیر متمرکز می باشند.
  • محاسبات بصورت غیر همزمان صورت می‌گیرند.

بهره‌گیری از عامل برای داده کاوی پویا

در این قسمت قصد داریم تا دلایل استفاده از عامل و سیستم‌های چندعامله را برای عمل داده‌کاوی بیان نماییم. سیستم‌های چندعامله را می‌توان به عنوان یکی از انواع سیستم‌های باز در نظر گرفت که   امکان همکاری یا رقابت تحت قواعد محیطی مشخص را برای دستیابی به هدف مشترک یا هدف خاص هر عامل فراهم می‌سازند. هر عامل، بدون توجه به معماری آن، می‌تواند در محیط فعالیت کرده و سود خود یا محیط (که می‌تواند به هرصورتی تعریف شود) را به حداکثر برساند. سیستم‌های چند عامله به صورت ذاتی با یک محیط داده کاوی توزیع شده تطبیق دارند و همین امر موجب گستردگی کاربرد آنها در این قلمرو شده است.

مقدمه‌ای بر داده کاوی پویا

مواردی تغییر داده‌ها، در دسترس بودن تمام داده‌ها و … در بسیاری از کاربردهای دنیای واقعی همانند اطلاعات مربوط به بورس، داده‌های مربوط به وضعیت شبکه و … صدق نمی‌کند. بلکه داده‌های این کاربردها همواره در حال تغییر و تحول هستند و از طرفی حجم این داده‌ها نیز بقدری زیاد است که امکان ذخیره‌سازی آنها نیز وجود ندارد. بنابراین تنها قسمت کوچکی از داده‌ها در هر لحظه در اختیار ما خواهد بود، برای داده کاوی بر روی داده هایی از این دست، نمی‌توان روشهای سنتی و قدیمی داده کاوی را بکار برد بلکه این نوع داده¬ها و مجموعه داده ها نیاز به الگوریتم‌ها و روشهای داده‌کاوی پویایی دارند که از پس ویژگیهای این داده‌ها برآیند. بنابراین نیاز به نوعی داده‌کاوی پویا احساس می‌شود. داده‌ کاوی پویا همواره در حال تغییر و تحول بوده و حجم این داده ها بقدری زیاد است که بخش کوچکی از داده ها در هر لحظه در دسترس می باشد.

دستاوردهای مطرح در داده ­کاوی پویا با استفاده از عامل

  • ارائه یک رویکرد مبتنی بر عامل برای مساله طبقه‌بندی جریان داده¬های دارای تغییر مفهوم و پویا با استفاده از قابلیتهای هدفگرایی، هوشمندی (ایجاد تعادل بین رفتارهای واکنشی و پیش¬فعال)، یادگیری و استدلال
  • ارائه یک رویکرد مبتنی بر سیستم‌های چندعامله برای طبقه‌بندی جریان داده‌های توزیع شده در یک محیط رقابتی با استفاده از قابلیت‌های اجتماعی عامل‌ها و دستیابی به توافق.

 

قالب:فایل ورد قابل ادیت(تعداد صفحه:143)(حجم فایل:1.39 MB)
فهرست مطالب
معرفی و آشنایی با مفاهیم اولیه
مقدمه‌ای بر داده‌کاوی
خوشه‌بندی
کشف قواعد وابستگی
طبقه بندی
طبقه بندی مبتنی بر قواعد
داده کاوی توزیع شده
عامل ها و سیستم های چندعامله
عامل
مقایسه عامل با شی
معماری عامل‌ها
معماری BDI
سیستم‌های چندعامله
مذاکره
بهره‌گیری از عامل برای داده‌کاوی
سیستم‌های چندعامله، بستری برای داده‌کاوی توزیع شده
جمع‌بندی
داده‌کاوی پویا
مقدمه‌ای بر داده‌کاوی پویا
جریان داده
طبقه‌بندی جریان داده
موضوعات پژوهشی
جمع‌بندی
مروری بر کارهای انجام شده
مقدمه
داده‌کاوی توزیع‌شده ایستا
روشهای غیرمتمرکز
روشهای مبتنی بر توزیع ذاتی داده‌ها
کارهای مهم انجام شده در زمینه داده‌کاوی با استفاده از عامل
کارهای انجام شده در زمینه طبقه‌بندی جریان داده‌ها
روشهای طبقه‌بندی Ensemble-based
درختهای تصمیم بسیار سریع
طبقه‌بندی On-Demand
OLIN
الگوریتمهای LWClass
الگوریتم ANNCAD
الگوریتم SCALLOP
طبقه‌بندی جریان داده‌ها با استفاده از یک روش Rule-based
جمع‌بندی
تعریف مساله
مقدمه
تعریف مساله برای فاز اول
جریان داده
مفهوم یا مدل موجود در جریان داده
مساله طبقه‌بندی جریان داده‌های دارای تغییر مفهوم
تعریف مساله برای فاز دوم
رویکردهای پیشنهادی
مقدمه
رویکرد پیشنهادی برای فاز اول پروژه
عامل و ویژگیهای آن در این مساله
عملکرد کلی عامل
معماری عامل
حسگرها
پایگاه دانش عامل
تابع ارزیابی محیط
نحوه تشخیص اطلاعات و نگهداری الگوهای recur در جریان داده
نحوه استخراج الگوهای recur
نحوه بروزرسانی اطلاعات مربوط به الگوهای recur
نحوه محاسبه وقوع احتمال وقوع یک الگوی خاص
تابع سودمندی
بخش تصمیم‌گیری و Planning
بخش تصمیم‌گیری
Planning
بخش Action
رویکرد پیشنهادی برای فاز دوم مساله
عاملهای مشتری
عامل صفحه زرد
عاملهای داده کاوی
معماری عاملهای داده کاوی
تابع BRF
تابع Generate Options
تابع فیلتر
بخش Actions
Plan های عامل
Plan مربوط به طبقه بندی
Plan مربوط به تطبیق طبقه بندی
Plan مربوط به خرید و فروش قواعد با استفاده از مذاکره
جمع بندی
آزمایشات و نتایج
مقدمه
محیط عملیاتی
مجموعه داده‌های مورد استفاده
مجموعه داده‌های استاندارد
مجموعه داده‌های واقعی
معیارهای ارزیابی و روشهای مورد استفاده برای مقایسه
آزمایشات انجام شده
آزمایشات مربوط به فاز اول
آزمایشات مربوط به فاز دوم
جمع‌بندی
جمع‌بندی و نتیجه‌گیری
فهرست مراجع
فهرست اشکال
معماری BDI در عامل
درخت تحقیق مربوط به طبقه‌بندی در مبحث داده‌کاوی
طبقه‌بندی مبتنی بر Ensemble
چارچوب روش On-Demand
نمایی از سیستم OLIN
پروسه SCALLOP
نمودار ترتیب عملکرد عامل پیشنهادی
معماری عامل پیشنهادی
پنجره نظاره بر روی جریان داده‌ها
گراف ایجاد شده از روی رشته مفهوم‌ها
محل تجمع الگوهای استخراج شده از رشته مفهوم‌ها
میزان محاسبه شده احتمالها به ازای مقادیر مختلف K
شبه کد Plan کلی عامل
نسبت واریانس به حاصلضرب 50 متغیر دارای مجموع ثابت
وزن دهی چند داده مختلف
نمایی کلی از سیستم چندعامله ایجاد شده
معماری BDI عامل داده‌کاو
بخشی از جریان داده و قواعد استخراج شده از آن
بخشی از جریان داده و قواعد استخراج شده از آن
کد نمونه برای استفاده از بسته نرم افزاری weka
زمان لازم بر حسب میلی ثانیه برای داده‌های Stagger
زمان مصرف شده برای تطبیق طبقه‌بندی
نمودار مربوط به زمان پردازش روشهای مختلف برای داده¬های HyperPlan
زمان مصرف شده برای تطبیق طبقه‌بندی
نمودار مربوط به زمان پردازش روشهای مختلف برای داده¬های Nursery
زمان مصرف شده برای تطبیق طبقه‌بند برای داده‌های Nursery
عملکرد روشهای مختلف بر روی مجموعه داده HyperPlan
نمودار عملکرد روشهای مختلف بر روی مجموعه داده HyperPlan در یک بازه کوچکتر
نمودار عملکرد روشهای مختلف بر روی مجموعه داده HyperPlan در یک بازه کوچکتر
زمان مصرف شده برای تطبیق طبقه‌بند برای داده‌های HyperPlan
عملکرد روشهای مختلف بر روی مجموعه داده Stagger
زمان مصرف شده برای تطبیق طبقه‌بند برای داده‌های Stagger
عملکرد روشهای مختلف بر روی مجموعه داده Nursery
زمان مصرف شده برای تطبیق طبقه‌بند برای داده‌های Nursery
نمودار نتایج حاصل از طبقه‌بندی توزیع ‌شده مجموعه داده Nursery
فهرست جدولها
ویژگیهای یک عامل
ماتریس حاصل از روش LWClass
مقایسه تکنیکهای ذکر شده
ساختار اطلاعاتی ذخیره شده برای هر مفهوم و الگو
ساختار اطلاعاتی مربوط به وقوع الگوی “CFDA”
نمونه ای از خروجی تابع سودمندی عامل
اطلاعات مورد استفاده برای تخمین سودمندی یک قاعده
دقت طبقه‌بندی روشهای مختلف
نتایج حاصل از طبقه‌بندی توزیع شده مجموعه داده Nursery در سه مفهوم مختلف

 

موارد مرتبط از سایت هفت برگ برای دانشجویان قابل دسترس است:

گزارش کارآموزی رشته کامپیوتر مقابله با هک و بررسی امنیت در یونیکس و ویندوز

گزارش کارآموزی رشته کامپیوتر فتوشاپ، جوملا، سئو

42000 تومان – خرید

محصولات مرتبط

الگوریتم هوشمند

شامل 0 فروش 16000 تومان

دیدگاهتان را بنویسید

نشانی ایمیل شما منتشر نخواهد شد. بخش‌های موردنیاز علامت‌گذاری شده‌اند *

شبکه های اجتماعی

لینک های مفید

جواز های ما

تعداد کاربران 298 عدد
تعداد محصولات 1336 عدد
تعداد نوشته ها 7 عدد