عنوان

ارائه یک مدل جدید برای دسته بندی داده ها بر پایه الگوریتم مورچه‌گان ومنطق فازی

Number

‭۱۱۲۳۹پ‬

.Language of Text, Soundtrack etc

per

Title Proper

ارائه یک مدل جدید برای دسته بندی داده ها بر پایه الگوریتم مورچه‌گان ومنطق فازی

First Statement of Responsibility

/سیامک قنبرزاده

Name of Publisher, Distributor, etc.

: پردیس بین الملی ارس

Specific Material Designation and Extent of Item

‮۸ص‍۹‬

Text of Note

چاپی

Dissertation or thesis details and type of degree

کارشناسی ارشد

Discipline of degree

در علوم کامپیوتر-گرایش سیستم‌های کامپیوتری

Date of degree

‮‭۱۳۹۲/۰۵/۱۲‬

Body granting the degree

تبریز

Text of Note

دنیای مدرن در حقیقت دنیای داده‌گرا است و ما در محاصره‌ی داده‌ها قرار گرفته‌ایم .پیشرفت‌های شگفت انگیز فناوری رایانه‌ای و مجهز شدن بشر به این ابزار امکان جمع‌آوری داده‌های دقیق و کامل را در زمینه‌های مختلف فراهم آورده است و منجر به پیدایش ساختارهای داده بسیار حجیم شده است .به‌صطوری که استخراج اطلاعات مفید از میان این حجم عظیم داده پس از مدتی غیرممکن می‌شود و استفاده از یک ابزار خودکار برای کشف دانش ضروری به نظر می‌رسد .داده‌کاوی فرآیندی است که ما را در کشف چنین دانشی یاری می‌دهد و اخیرا در زمینه‌های گسترده‌ای مورد استفاده قرار گرفته است .فرآیند داده‌کاوی شامل اعمال مختلفی نظیر دسته‌بندی، خوشه‌بندی، کشف قوانین انجمنی و غیره می‌باشد .اولین مرحله در استخراج دانش به کمک فرآیند داده‌کاوی، مشخص کردن عمل مورد استفاده است .هدف ما در این پایان‌نامه، استفاده از یک روش دسته‌بندی کارآمد برای واکشی دانش از مجموعه داده‌های پزشکی ورودی می‌باشد .روش‌های دسته‌بندی شامل دو مرحله آموزش و تست می‌باشد، در مرحله‌ی آموزش، با استفاده از داده‌های آموزش یک مدل که نشان دهنده‌ی الگوی حاکم بر داده‌ها می‌باشد، استخراج می‌شود .سپس در مرحله‌ی تست، کارایی مدل استخراج شده، ارزیابی می‌شود .در این مدل ارائه شده، یک مجموعه از قوانین‮‭then - if‬فازی ایجاد می‌صشود .دانش استخراجی به‌صصورت پایگاه قانون فازی است و در طی فرایند داده‌کاوی با الگوریتم مورچه بهینه‌سازی می‌صشود .این روش که بر مبنای رفتار مورچه‌های واقعی می‌باشد، در مرحله‌ی آموزش یک مجموعه بهینه از قوانین فازی را کشف و استخراج می‌کند .در قسمت تست دسته‌بند، از یک موتور استنتاج فازی برای دسته‌بندی نمونه‌های آموزش استفاده می‌شود .در پایان، روش پیشنهادی به‌صصورت نرم‌افزاری پیاده‌سازی شده و بر روی مجموعه داده‌های پزشکی‮‭UCI‬ ، اعمال می‌شود .نتایج به‌صدست آمده با نتایج روش‌های معروف در این زمینه مورد مقایسه قرار گرفته و دقت و کارایی مطلوبی از خود نشان داده است

Text of Note

then rules. Fuzzy rules that are to be considered as a possible interpretation by human experts exist. Test the classification of a fuzzy inference engine is used to classify the training examples. The proposed method was implemented as software on a data set of UCI, applies. The results were compared with the results of the methods known in the field and has shown good accuracy and efficiency- oriented, whether numeric or have other types of data. So that extracting useful information from large amounts of data between the time it is impossible to use an automated tool for knowledge discovery is necessary. Data mining process involves several operations such as classification, clustering, association rules discovery, etc.. The first step in the process of data mining to knowledge extraction, is used to specify the operation. Our goal in this thesis, using a clustering method is efficient to fetch knowledge from medical dataset. In the proposed method, the model includes a set of fuzzy if-In fact, our modern world is surrounded The world

قنبرزاده، سیامک

عیسی زاده، آیاز، استاد راهنما

کریم پور، جابر، استاد مشاور

Public note

سیاه و سفید

نمایه‌سازی قبلی