10012

10012

يادگيري درخت تصميم از داده هاي جرياني زماني

دريافت درجه كارشناسي ارشد

كامپيوتر گرايش هوش مصنوعي و رباتيك

اسفند ماه 1390

اسفند ماه 1390

دكتر كنگاوري

چكيده يادگيري داده¬هاي جرياني يكي از چالش¬هاي يادگيري ماشين در سال¬هاي اخير بوده است. داده-هاي جرياني به انواع داده¬هايي اطلاق مي¬شود كه به طور نامحدود توليد مي¬شوند، قابل ذخيره سازي نيستند و همچنين با تغيير مفهوم مواجه هستند. با توسعه روش¬هاي يادگيري از داده¬هاي جرياني با نياز¬هاي جديدي از اين نوع داده¬ها مواجه مي¬شويم كه با واقعيت اين نوع داده¬ها بيشتر منطبق است. يكي از اين نياز¬ها بحث زمان در داده¬هاي جرياني است. در اين پايان نامه به زمان به صورت ويژگي¬هاي زماني نگريسته شده است همچنين، ويژگي¬هاي داده¬هاي جرياني به دو صورت ويژگي¬هاي زماني و غير زماني تقسيم¬بندي شده¬اند. اين رويكرد نسبت به ويژگي¬هاي داده-هاي جرياني باعث مي¬شود تا بتوانيم با استفاده از تخمين تابع چگالي احتمال بر روي پنجره¬اي از داده¬ها و ذخيره سازي اين تخمين به عنوان يك رويداد در مجموعه¬ي ويژگي¬هاي داده، مجموعه¬ي داده¬اي غني¬تري را توليد كنيم. با استفاده از مفهوم رويداد¬هاي زماني و همچنين با قرار گرفتن اين ويژگي¬ جديد در سطوح اوليه درخت تصميم به نحوي داده¬ها دسته¬بندي مي¬شوند كه افزايش دقت رده بندي را به همراه دارند. به منظور ارزيابي مدل پيشنهادي يادگيري درخت تصميم از داده¬هاي جرياني زماني، از يك پايگاه داده حاوي اطلاعات هوا شناسي استفاده گرديده است. در ارزيابي¬هاي صورت گرفته مدل پيشنهادي با مدل رايج رده بندي درخت تصميم در داده¬هاي جرياني مقايسه شده است. علاوه بر دقت رده بندي اثر اغتشاش نيز در مدل پيشنهادي بررسي شده است. بررسي نتايج حاصل از ارزيابي نشان دهنده افزايش دقت رده بندي با استفاده از مدل پيشنهادي است. اما مدل پيشنهادي در مواجه با اغتشاش با افت دقت مواجه مي¬شود. واژه‌هاي كليدي: داده¬هاي جرياني زماني، درخت تصميم، تخمين تابع چگالي احتمال، ويژگي¬هاي زماني، رويداد¬هاي زماني