شماره ركورد
8172
شماره راهنما(اين فيلد مربوط به كارشناس ميباشد لطفا آن را خالي بگذاريد)
8172
پديد آورنده
سيد مهدي ايرانمنش
عنوان
بهبود روشهاي تبديل ويژگي به منظور افزايش كارايي در دو حوزه سيستمهاي تشخيص گفتارتشخيص نفوذ به شبكه
مقطع تحصيلي
كارشناسي ارشد
رشته تحصيلي
كامپيوتر
سال تحصيل
1390
تاريخ دفاع
1390
استاد راهنما
دكتر احمد اكبري
چكيده
چكيده
سيستمهاي ردهبندي دادههاي ورودي به سيستم را براساس يك يا چند ويژگي خاص به چند ين
گروه تقسيم ميكنند و براساس نوع كاربرد هر كدام از دستهها، تصميم مناسبي در مورد دادگان
آن دسته ميگيرند. امروزه در بسياري كاربردها، دادهه اي ورودي به س يستم ه اي رده بند،
پيچيدهتر و حجيمتر شده و داراي ويژگيهاي بيشتري ميباشند. در اين ميان بسياري از ويژگيها
غيرمرتبط و مازاد بوده و بيانگر ساختار اصلي دادهها نميباشد. از اين رو مرحله تبديل و كاهش
ويژگي ميتواند تاثير بسزايي در كارايي سيستم رده بندي داشته باشد . كاهش ويژگي نوعي از
تبديل ويژگي ميباشد كه ميتواند ويژگيهايي نامرتبط با رده بندي را حذف كرده و منجر به
افزايش سرعت بدون از دست رفتن دقت بازشناس شود. ويژگيهاي استخراج شده مي بايست به
گونهايي باشند كه ساختار و ابعاد اصلي دادهها را نشان دهند. روش تبديل - كاهش ويژگي مي
تواند بر اساس معيارهاي مختلفي از جمله جداسازي كلاسي، استقلال ويژگيها، اطلاعات متقابل
بين ويژگيها و كلاسها و حفظ ساختار اصلي و ارتباط بين ويژگيها انجام بگيرد.
كه از روشهاي يادگيري مانيفلد ميباشد براي پيشپردازش و L-Isomap در اين پايان نامه روش
تبديل ويژگي در سيستمهاي ردهبند بررسي و اصلاح ميگردد. روش به كار گرفته شده سعي م ي
كند ويژگيها را از فضاي با ابعاد زياد به فضاي با ابعاد كم نگاشت كند به گونهاي كه ساختار اصلي
تعدادي از دادهها تحت عنوان نقاط شاخص انتخاب L-Isomap ويژگيها حفظ شود. در روش
كلاسيك دادههاي شاخص به صورت تصادفي انتخاب م يشوند . L-Isomap ميشوند. در روش
روش انتخاب تصادفي روشي كوركورانه بوده و در بسياري از مواقع دادههاي مناسبي را به عنوان
دادههاي شاخص انتخاب نميكند. در اين رساله سعي شده است كه روشي براي انتخاب دادهه اي
بهتر و مهم تر تحت عنوان داده ه اي شاخص پيشنهاد گردد . در نهاي ت با استفاده از روش
پيشنهادي ويژگيها كاهش داده خواهند شد. در پايان نامه ح اضر، اين روش پيش L-Isomap
پردازش ويژگيها، در دو سيستم ردهبند مختلف مشتمل بر سيستمهاي تشخيص نفوذ و بازشناسي
گفتار، مورد آزمايش و ارزيابي قرار گرفته است.
نشان دهنده UCI و دادگان NSL-KDD نتايج آزمايشات انجام گرفته روي مجموعه دادگان
عملكرد بهتر روش پيشنهادي نسبت به ديگر روشها است.
واژههاي كليدي: ردهبند، يادگيري مانيفلد، كاهش ويژگي، تشخيص نفوذ، بازشناسي گفتار