مسعود عابسی؛ الهه حاجی گل یزدی؛ حسن حسینی نسب؛ محمد باقر فخرزاد
دوره 3، شماره 12 ، شهریور 1394، ، صفحه 1-20
چکیده
منطق یادگیری ازاستثنائات چالشی قابل توجه در حوزه دادهکاوی است. استثنائات پدیدههای نادری هستند که رفتاری مثبت و متفاوت از الگوهای اصلی و مورد انتظار موجود در پایگاهداده از خود بروز می دهند. ایجاد چارچوبی کارا برای افزایش اطمینان به پدیدههای استثنایی در کشف دانش و یادگیری موثر از آن حائز اهمیت است. در این پژوهش، الگویی ...
بیشتر
منطق یادگیری ازاستثنائات چالشی قابل توجه در حوزه دادهکاوی است. استثنائات پدیدههای نادری هستند که رفتاری مثبت و متفاوت از الگوهای اصلی و مورد انتظار موجود در پایگاهداده از خود بروز می دهند. ایجاد چارچوبی کارا برای افزایش اطمینان به پدیدههای استثنایی در کشف دانش و یادگیری موثر از آن حائز اهمیت است. در این پژوهش، الگویی بر اساس تئوری استثنائات و تئوری اطلاعات ارائه شده است تا چالشهای پیشروی دادهکاوی دادههای استثنایی را برطرف نماید. نخست از تابع آنتروپی رنی برای شناسایی استثنائات استفاده و سپس با بکارگیری 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 36 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 بدست آمده از بکارگیری الگوریتمهای معمول یادگیری بیانگرکارایی مدل ارائه شده است. است.