پاورپوینت داده کاوی با استفاده از اتوماتای یادگیر

پاورپوینت داده کاوی با استفاده از اتوماتای یادگیر به معرفی LA-miner می‌ پردازد، یک الگوریتم نوآورانه که از اتوماتای یادگیر برای استخراج قواعد طبقه‌ بندی از مجموعه داده‌ها استفاده می‌کند. این الگوریتم ارائه می‌دهد که عملکرد آن در آزمایش‌ ها قابل مقایسه با الگوریتم‌های معروفی نظیر Ant-miner و CNZ است و در برخی مواقع حتی بهتر از آن‌ ها عمل می‌کند. با بهره‌گیری از بهینه‌ سازی مبتنی بر اتوماتای یادگیر، LA-miner به توسعه و بهبود پایداری در تحلیل و طبقه‌ بندی داده‌ های حجیم و پیچیده کمک می‌کند.

چکیده

در این مقاله یک کاوش کننده داده (data miner) بر پایه اتوماتای یادگیر پیشنهاد شده است که LA-miner نام گذاری شده است.
LA-miner قواعد طبقه بندی را از مجموعه داده ها (data set ) به طور خودکار استخراج می کند.
الگوریتم پیشنهادی بر پایه بهینه سازی که از اتوماتای یادگیر استفاده می کند بنا نهاده شده است.
نتایج عملی نشان می دهد که عملکرد LA-miner پیشنهاد شده قابل مقایسه و در بعضی مواقع بهتر از Ant-miner (الگوریتم کاوش کننده بر مبنای الگوریتم بهینه سازی کلونی مورچه ها) و CNZ (الگوریتم معروف داده کاوی برای طبقه بندی) است.

داده کاوی Data Mining

چرا داده کاوی؟
تعریف داده کاوی
کاربردهای داده کاوی

چرا داده کاوی؟

دلایل پیدایش داده کاوی:
توسعه تکنولوژیهای ذخیره و بازیابی اطلاعات.
افزایش روزافزون حجم اطلاعات ذخیره شده.
آرشیوهای اطلاعاتی، به دلیل حجم بسیار زیاد، غالبا به مقبره های اطلاعات تبدیل می شوند.
علیرغم هزینه های سنگین در بخش تکنولوژی اطلاعات، بسیاری از تصمیمها همچنان در فقر اطلاعاتی اتخاذ می گردند و از قابلیتهای بالقوه اطلاعات ذخیره شده استفاده نمی شود.

Europe’s Very Long Baseline Interferometry (VLBI)دارای 16 تلسکوپ است که هر کدام از آن ها بالغ بر 1 Gigabit/second داده های نجومی در هر دوره 25 روزه تولید می کنند.

فهرست :

چکیده
داده کاوی
اتوماتای یادگیر
داده کاوی با استفاده از اتوماتای یادگیر
نتایج آزمایشات
منابع و ماٌخذ