17415

17415

بررسي قوانين انجمني مبتني بر داده كاوي توزيع شده بر پايه سيستم چند عامله

كارشناسي ارشد

هوش مصنوعي و رباتيك

فرودين ماه 1396

دكتر بهروز مينايي

كامپيوتر

چكيده امروزه با توجه به گسترش روز افزون اطلاعاتي كه بشر با آنها سر و كار دارد، بهره‌گيري از روش‌هايي همچون داده‌كاوي براي استخراج دانش و اطلاعات نهفته در داده‌ها، امري غيرقابل اجتناب مي‌باشد. يكي از مسائلي كه امروزه در بحث داده‌كاوي مورد توجه قرار گرفته است، بحث توزيع‌شدگي ذاتي داده‌ها است. توسعه فناوري شبكه‌هاي كامپيوتري و تكنولوژي پايگاه داده توزيع شده، ذخيره سازي توزيع شده و نسل فني جديدي از داده كاوي توزيع شده را ترويج داده است. داده كاوي توزيع شده از محاسبات توزيع شده استفاده مي‌كند، و دانش مورد نياز كاربران را از پايگاه داده‌هاي توزيع شده استخراج مي‌كند. اين حوزه چشم‌انداز كاربردي گسترده‌اي دارد. سه هدف اصلي براي داده كاوي از سيستم‌هاي اطلاعاتي توزيع شده وجود دارد: 1) شناسايي الگوهاي مهم محلي در پايگاه داده‌هاي مجزا، 2) ادغام الگوهاي محلي و استخراج الگوهاي كلي پس از يكپارچه شدن پايگاه داده‌هاي توزيع شده، و 3) شناسايي الگوهاي رابطه‌اي خاص در مجموعه داده‌هاي مختلف.با توجه به قابليت‌هاي عامل و سيستم‌هاي چندعامله و مناسب بودن آن‌ها براي محيط‌هاي توزيع شده به نظر مي‌رسد كه بتوان از قابليتهاي آنها براي داده‌كاوي در محيطهاي توزيع شده بهره برد. در اين تحقيق ما قصد داريم تا ضمن بررسي كارهاي موجود در زمينه كاربرد عامل و سيستم‌هاي چندعامله در داده‌كاوي، بحث كاوش قوانين انجمني در محيط‌هاي توزيع شده را مورد بررسي قرار دهيم. ما مساله خود را در دو بخش مورد بررسي قرار خواهيم داد. در بخش اول يك معماري براي داده‌كاوي در محيط‌هاي توزيع شده برپايه‌ي سيستم هاي چند عامله معرفي مي كنيم و در بخش دوم به يك رويكرد مبتني بر عامل براي مساله كاوش قوانين انجمني مي پردازيم. به طور كلي دستاورد اصلي اين تحقيق ارائه يك رويكرد مبتني بر عامل براي مساله كاوش قوانين انجمني با استفاده از قابليت‌هاي سيستم هاي چند عامله است. كلمات كليدي: داده كاوي توزيع شده، سيستم چند عامله، قوانين انجمني ، عامل

1396/03/19

1/1/1900 12:00:00 AM

Abstract: Due to the ever-growing increase in the amount of data we deal with, tapping methods like data mining to extract hidden knowledge and information in the data seems inevitable. One of the topics of data mining that has recently attracted a lot of attention is the inherent distribution of data. The development of computer network technology and distributed database technology has promoted distributed data storage and the new technical generation of distributed data mining. Distributed data mining (DDM) uses distributed computing and finds the required knowledge for the users from the distributed database. This domain has widespread applications. The purpose of data mining from distributed information systems is usually threefold: 1) Identifying locally significant patterns in individual databases; 2) Combining local patterns and discovering global patterns after unifying distributed databases in a single view; and 3) Finding patterns which follow special relationships across different data collections. Considering agent and multi-agent capabilities in distributed environments, it seems that using their features can be useful in these environments. In this study, in addition to reviewing the related work and researches in agent-based data mining area, we intend to consider the problem of mining association rules in distributed environments. We study this problem in two phases. First we mention the features and capabilities of agents for data mining task, and analyze the advantages of multi-agent combining with distributed data mining. Then, in the second phase we propose a DDM architecture based on multi-agent technology. To conclude, the main result of this thesis is the presentation of agent-based approach for DDM with concept drift using goal-oriented, intelligence, learning and reasoning features of agents. Keywords: Distributed data mining, Muli-Agent system, Association rules,Agent