خوشه بندی داده های جریانی با عدم قطعیت با استفاده از تابع باور
تکرار نام مولف :
ریحانه قدمیاری
سال نشر :
1396
صفحه شمار:
59ص
یادداشت
چکیده
با توجه به افزایش منابع تولید داده‌های جریانی، حجم انبوهی از اطلاعات، روزانه تولید می‌شود که نگهداری این اطلاعات در عمل ممکن نیست. استخراج مدل از میان این اطلاعات خام، برای رسیدن به دانشی مفید، امری ضروری محسوب می‌شود. هدف ما در این تحقیق،ارائه روشی جدید برای خوشه‌بندی داده‌های جریانی، به نام DSCBF(Data Stream Clustering using Belief Function)، با توجه به مشکل عدم‌قطعیتموجود در داده‌ها است. در روش پیشنهادی، برای حل مشکل عدم‌قطعیت و ابهام در داده‌ها، از تابع باور استفاده شده است. تابع باور، به منظور خوشه‌بندی داده‌ها در خوشه‌های تکی و یا مجموعه‌ای از خوشه‌ها و تعیین ساختار داده‌ها، مورد استفاده قرار می‌گیرد. علاوه بر آن، استفاده از روش پنجره لغزان و وزن‌دهی به مراکز با در نظر گرفتن زمان، موجب غلبه بر ویژگی‌های خاص داده‌های جریانی می‌شود. نتایج آزمایش‌ها نشان‌دهنده برتری روش پیشنهادی، از نظر خلوص، درصد خطا و ابهام نسبت به سایر روش‌های مطرح مرز دانش است.
