سنجش تنوع مجمعي از درختان تصميم به كمك تركيب معيارهاي اندازه گيري تنوع و شباهت ساختاري، براي رده بندي جريان داده ها

كارشناسي ارشد

چكيده رده¬بندي جريان داده¬ها موضوع مهم و كاربردي است كه در رويدادهاي شبكه، جريان درخواست¬هاي ارسالي به هر وب سايت و غيره كاربرد دارد. يادگيري رده¬بندها از جريان¬هاي داده¬ با توجه به محدوديت حافظه و زمان پردازش كوتاه، از چالش¬هاي داده¬كاوي اين نوع داده‌ها است. براي مواجهه با اين نوع چالش-ها، روش¬هاي رده¬بندي مبتني بر مجمع، يعني مجمعي از مدل¬هاي رده¬بندي جريان داده¬ها، با هدف بهبود دقت و كيفيت رده¬بندي مورد استفاده قرار مي‌گيرد. دقت بالاي پيش¬بيني و تنوع اجزاي رده¬بندهاي مجمع كه از ويژگي‌هاي كليدي سيستم‌هاي گروهي به شمار مي‌رود، به هم مرتبط است. در همين راستا تجزيه و تحليل تنوع، فراهم كردن تنوع و در نتيجه ارائه معياري براي سنجش تنوع مجمعي از رده‌بندها در جريان داده¬ها، براي شناسايي دقيق¬تر وقوع تغيير مفهوم، نظارت بر تغييرات جريان¬هاي برچسب‌دار و يا هرس استخر بزرگي از رده¬بندها، بسيار كاربردي و حائز اهميت است. معيارهاي تنوع زيادي براي سيستم‌هاي تصميم‌گيري معمول كه در محيط‌هاي ايستا كار مي‌كنند و همچنين الگوريتم‌هاي فراواني براي تضمين تنوع مجمع‌ها، پيشنهاد شده است. متاسفانه، اين اندازه‌گيري‌ها و الگوريتم‌ها نمي‌توانند در سيستم‌هايي كه جريان‌هاي داده‌ را پردازش مي‌كنند، اعمال شوند. در اين پايان‌نامه ارزيابي تنوع، بر اساس الگوريتم رده‌بندي مجمع جنگل تصادفي جرياني و با به‌كارگيري معيار سنجش تنوع انتروپي روي جريان‌هاي داده، پيشنهاد شده است. تلاش مي‌كنيم ابتدا با مقايسه ساختاري درختان و نتيجه حاصل از معيارهاي تشابه ساختاري آنها، براي انتخاب مجمعي از درختان منحصر به فرد، متراكم¬تر و ترجيحا يك مدل بهتر از لحاظ دقت، مورد مطالعه قرار داده و ايجاد نماييم. در ادامه به كمك معيار اندازه¬گيري تنوع انتروپي، تنوع رده‌بند‌هاي اجزاي مجمع مورد ارزيابي و سنجش قرار داده مي‌شود. تركيب هر دو معيار كه روش پيشنهادي در اين پايان‌نامه مي‌باشد، با انتخاب مجموعه‌هاي متفاوت از ويژگي‌هاي داده توسط جنگل تصادفي جرياني و استفاده از هر كدام از آنها در آموزش رده‌بندها، علاوه بر تنوع بخشي به داده‌هاي ورودي، مي‌تواند تنوع بخشي را در خروجي رده‌بندهاي مجمع، توسط معيار اندازه‌گيري تنوع انتروپي، ايجاد نمايد. عملكرد روش پيشنهادي از طريق آزمايشاتي و در مقايسه با روش پايه بررسي شده و نتايج نشان مي‌دهد اين روش علاوه بر ارزيابي تنوع اجزاي مجمع، دقت رده‌بندي جريان‌هاي داده‌ را افزايش داده و ايجاد سيستم‌هاي رده‌بندي مجمع بزرگ و موثر براي رده‌بندي دقيق‌تر اين داده‌ها‌ را آسان مي‌كند. كلمات كليدي: رده¬بندي جريان‌هاي داده¬، اندازه¬گيري تنوع، مجمع، تشابه درختان تصميم، جنگل‌هاي تصادفي.

193273

دانشگاه علم و صنعت ايران

نرم افزار

دكتر عين اله خنجري