استخراج قوانین مکرر در داده های جریانی با استفاده از یادگیری تقویتی

استخراج قوانین مکرر در داده های جریانی با استفاده از یادگیری تقویتی


  • 430 بازدید

در این سلسله مقالات به مفاهیم و کاربرد های داده‌کاوی، متن کاوی و علوم مرتبط با علم داده پرداخته می‌شود. با توجه به حجم عظیم مقالات تولید شده در زبان فارسی در حوزه داده کاوی و علم داده، آکادمی داده تصمیم گرفت مقالات فارسی منتشر شده در این حوزه را خلاصه برداری کرده و در اختیار علاقه مندان قرار دهد. این مقالات ابتدا با معرفی موضوع و کارهای انجام شده آغاز می شود و سپس مجموعه داده یا دیتاست تحقیق ارائه می شود و سپس پیاده سازی انجام شده در رپیدماینر، وکا یا پایتون ارائه شده و نتایج تحلیل می شود.

در این رشته نوشته ها ابتدا خلاصه ای از مقاله ارائه شده و سپس نتیجه گیری مقاله عینا آورده می گردد و سپس فایل پی دی اف آن نیز برای دانلود در اختیار محققین و پژوهشگران عزیز قرار می گیرد. 

 

در سال های اخیر استخراج مجموعه اقلام تکراری در تکنیک های داده کاوی با بررسی نتایج در پایگاه داده ها بررسی شده است. استخراج این مجموعه اقلام در داده های جریائی جزء زمینه های پژوهشی جدید می باشد. در بسیاری از روش های ارائه شده توسط پژوهشگران، مبنای کار بر اساس ایجاد پنجره و مدل های مبتنی بر پنجره بوده است، ولی ما در این تحقیق با استفاده از تکنیک های یادگیری و ادغام آن با مدل پنجره توانستیم زمان استخراج مجموعه اقلام تکراری را بسیار کاهش دهیم. که با ارزیابی خروجی های بدست آمده از اجرای هر دو الگوریتم نیز متوجه می شویم که الگوریتم CLA- FSM (ارائه شده در این پایان نامه) اقلام مكرر را در داده های جریانی با زمان بسیار کمتری نسبت به الگوریتم مبتنی بر درخت Systolic بدست می آورد .

 

این مقاله از طریق لینک قابل دسترسی است و محققین علاقه مند می توانند آن را به صورت رایگان دریافت نمایند. 


کپی برداری بدون ذکر منبع، بر اساس قانون جرائم اینترنتی و مادۀ 12 فصل سوم قانون جرائم رایانه ای غیر قانونی بوده و مجازات جزای نقدی و حبس دارد و شرعا نیز حرام است! 
اگر در زمینه داده کاوی در حال تحقیق یا پیاده سازی پروژه تجاری یا پایان نامه هستید برای گرفتن مشاوره یا دادن سفارش انجام با ما تماس بگیرید.  آکادمی داده در تلگرام، واتزآپ و تمامی پیام رسان های ایرانی(سروش، آی گپ، بله و ویسپی) با شماره 09120637751 حضور دارد برای ارتباط از طریق ایمیل آدرس جیمیل: dataacademyir@gmail.com می باشد. 


افتخار آکادمی داده، همسفر بودن با شما در راه یادگیری علم داده است.