10281

10281

سيستم چندعامله جهت استخراج دانش از چند داده‌ي جرياني

كارشناسي ارشد

كامپيوتر- هوش مصنوعي و رباتيك

شهريور 1389

شهريور 1389

دكتر محمدرضا كنگاوري

استخراج دانش از داده هاي جرياني، موضوع تحقيقات در دوهه اخير بوده است. از طرفي، منابع داده اي معمولا به صورت توزيع شده، در حال توليد جريانهاي داده، به طور موازي مي باشند. بنابراين، علاوه بر در نظر گرفتن خصوصيات داده هاي جرياني، حجم و سرعت بالاي توليد، و تغيير مفهوم منبع، مي بايست، دانش به طور موازي از چندين منبع داده اي استخراج شود. يكي از رويكردهاي جديد و مطرح در اين باره استفاده از سيستم هاي چند عامله است. در اين رويكرد، هر عامل مسئول يك جريان از داده است، و به طور خودمختار، كار يادگيري و استخراج دانش را انجام مي دهد. علاوه براين عامل ها با يكديگر همكاري مي كنند و با يكديگر اطلاعات رد و بدل مي كنند. در اين پايان نامه ، سيستمي را ارائه كرديم كه تكنيكهاي استخراج دانش و يادگيري از داده‌هاي جرياني را با تكنولوژي عامل ها تركيب كرده است، تا از چند داده جرياني به طور موازي، دانش مفيد را استخراج كند. در اين سيستم، عامل ها در چهار لايه مختلف كار مي كنند. در لايه اول، عامل‌ها با خوشه بندي داده ها ، مقادير پيوسته را بازه بندي مي كنند، در لايه دوم، الگوهاي تكرار شونده، به شكل تعلق همزمان داده ها در جريانهاي مختلف، به خوشه مربوطه، كشف مي شوند. در لايه سوم، عامل ها با همكاري يكديگر، به درست كردن داده هاي از بين رفته و مغشوش مي پردازند و داده هاي معتبر را براي لايه چهارم كه در آنجا درخت ساخته مي شود، فراهم مي كنند. به اين ترتيب عامل ها با حفظ اصل محرمانگي داده، از اطلاعات يكديگر در حين يادگيري استفاده كرده اند. نتايج ارزيابي نشان مي‌دهد كه اين سيستم دقت كلاسه كننده را در داده هاي مغشوش و داده ها با مقادير از بين رفته، بالا مي برد. واژه‌هاي كليدي: يادگيري همكارانه، داده هاي جرياني چندگانه، عامل هاي هوشمند، كشف الگوهاي تكرار‌شونده، داده هاي مغشوش