دانلود مقاله کاوش کارامد قوانین روابط فازی از جریان های فراگیر داده ها

به دلیل توسعه در فناوری، تعداد برنامه هایی نظیر گوشی های هوشمند موبایل، شبکه های حسگر و ابزار های جی پی اس تولید حجم عظیمی از داده های فراگیر در شکل جریان یا استریم می کنند. جدا از داده های موجود در پایگاه های اطلاعاتی متعارف استاتیک، جریان های فراگیر داده ها به طور پیوسته با سرعت بالا با مقدار زیاد حاصل می شوند و توزیع داده ها نیز روز به روز تغییر می کند. رسیدگی به اطلاعات مفید و استخراج آن ها از این داده ها می تواند یک چالش واقعی باشد. این خود می تواند منجر به بروز مسائل جدیدی شود که بایستی هنگام توسعه فنون کاوش قواعد ارتباطی برای این داده ها در نظر گرفته شود. لازم به ذکر است که در دنیای واقعی، این داده ها به شکل دو دویی و یا عددی نشان داده نمی شوند بلکه بایستی به شکل کمی بیان شوند. از این روی، استفاده از مجموعه های فازی برای نشان دادن این مقادیر می تواند مفید و مناسب باشد.

در این مقاله، مسئله کاوش قواعد ارتباط فازی از جریان داده های فراگیر مطالعه می شود و روش جدید FFP_USTREAM توسعه داده می شود. این روش، مفاهیم فازی را با جریان داده های فراگیر ترکیب کرده و از روش پنجره کشویی برای کاوش قواعد ارتباط فازی استفاده می کند. به علاوه، پیچیدگی و کارایی این روش بحث می شود. نمونه هایی از مجموعه داده های واقعی برای تست روش های پیشنهادی استفاده می شود. به علاوه مسائل مربوط به تحقیقات نیز پیشنهاد می شوند.

لغات کلیدی: داده کاوی، قواعد ارتباط فازی، مجموعه های فازی، جریان داده ها، جریان داده های فراگیر

1-مقدمه

برنامه های جدید اخیر نظیر پایش ترافیک شبکه، تحلیل داده های شبکه حسگر، کاوش جریان کلیک جهانی، اندازه گیری مصرف برق و مکان یابی دینامیکی نوسانات بازار سهام، لزوم مطالعه انواع جدید داده ها را تاکید می کند. این موسوم به داده های جریان است که به صورت جریان نامحدود و پیوسته از اطلاعات بر خلاف جریان های داده های ذخیره شده آماری محدود است. داده کاوی جریان، فرایند استخراج ساختار های دانش از داده های پیوسته می باشد.

انتشار سیستم های جریان داده، شبکه های بی سیم و ابزار های سیار موجب می شود تا لزوم استفاده از ابزار های تحلیل کارامد داده ها در مورد کسب اطلاعات از جریان های داده پیوسته در نظر گرفته شود. کاوش جریان داده های فراگیر، فرایند کشف الگو بر روی ابزار های فراگیر و سیار است. این خود نشان دهنده نسل بعدی از سیستم های داده کاوی است که از نیاز عای اطلاعاتی زمانی و مکانی کاربران موبایل پشتیبانی کرده و موجب تسهیل داده کاوی هر زمان هرجا می شود.

منطق فازی، نوعی منطق مورد استفاده در هوش مصنوعی است. این اشاره به منطق چند مقداره دارد. به جای داشتن دو مقدار( حقیقی و کاذب)، طیف پیوسته ای از مقادیر حقیقی محتمل (2) وجود دارند. در منطق فازی، هر فرض یک گزاره ای است که به عدد بین 0 ( کاذب) و 1( حقیقی) نسبت داده می شود نظیر گزاره ای که موسوم به فرض فازی است. منطق فازی، ابزاری قوی برای طبقه بندی مفهوم به شکل انتزاعی با معرفی ابهام است.

بسیاری از برنامه های جریان داده وجود دارند که نیاز به کاوش قواعد ارتباطی دارند نظیر پایش ترافیک شبکه و تحلیل جریان کلیک وب. هدف این برنامه ها کشف روابط مهم میان ایتم ها است زیرا حضور برخی از ایتم ها نشان دهنده حضور برخی دیگر است.

رویکرد قواعد روابط فازی می تواند نتایج داده کاوی را با تخصص انسانی و دانش قبلی به شکل قواعد ترکیب کند تا به دسته ای از طبقه بندی های جریان داده ها برسد. دیگر مزیت رویکرد منطق فازی این است که نتایج طبقه بندی را می دهد که شامل درجه ای از احتمال است.

این مقاله، کارایی و اثر بخشی کاوش قواعد ارتباط فازی را از جریان داده های فراگیر اثبات می کند. این خود در بخش های بعدی بررسی می شود. برای این منظور، بخش باقی مانده مقاله به صورت زیر سازمان دهی شده است: کار مربوط به کاوش قواعد ارتباطی فازی و کاوش جریان داده های فراگیر مرور و در بخش 2 خلاصه شده است. ک روش کاوش قواعد ارتباط فازی از داده های فراگیر در بخش 3 پیشنهاد شده و پیچیدگی آن در بخش 4 تحلیل شده است. به علاوه، نتایج آزمایشی در بخش 5 بررسی شده است. مسائل مربوط به تحقیقات آینده در بخش 6 ارایه می شود.

2 -کار های مربوطه

این مقاله مربوط به زمینه های تحقیقات بین رشته ای مختلف است. دو موضوع اصلی این کار ارایه می شود: روش های کاوش جریان داده های فراگیر برای تحلیل موثر داده های پیوسته و الگوریتم های کاوش قواعد ارتباط فازی. این دو زمینه نیز بررسی می شوند.