دانلود پایان نامه داده کاوی پویا با بهره گرفتن از عامل

پایان­­نامه کارشناسی رشته مهندسی کامپیوتر گرایش نرم ­افزار

داده ­کاوی پویا با بهره گرفتن از عامل

استاد

1393

(در فایل دانلودی نام نویسنده موجود است)

تکه هایی از متن پایان نامه به عنوان نمونه :

چکیده

امروزه با توجه به گسترش روز افزون اطلاعاتی که بشر با آنها سر و کار دارد، بهره­ گیری از روش هایی همچون داده ­کاوی برای استخراج دانش و اطلاعات نهفته در داده ­ها، امری غیرقابل اجتناب می­باشد. بدلیل حجم بسیار بالای داده ­ها در بسیاری از کاربردها و اهمیت بیشتر داده ­های جدید، ذخیره­سازی این داده ­ها امری مقرون به صرفه نیست، لذا داده ­هایی که باید مورد پردازش قرار گیرند، همواره بصوت پویا در حال تغییر و تحول هستند. مساله دیگری که امروزه در بحث داده ­کاوی وجود دارد، بحث توزیع شدگی ذاتی داده ­ها است. معمولا پایگاه هایی که این داده ­ها را ایجاد یا دریافت می­ کنند، متعلق به افراد حقیقی یا حقوقی هستند که هر کدام بدنبال اهداف و منافع خود می­باشند و حاضر نیستند دانش خود را بطور رایگان در اختیار دیگران قرار دهند.

با توجه به قابلیت‌های عامل و سیستمهای چندعامله و مناسب بودن آنها برای محیطهای پویا و توزیع شده بنظر می­رسد که بتوان از قابلیت‌های آنها برای داده ­کاوی در محیطهای پویا و محیطهای توزیع شده بهره برد. اکثر کارهایی که تاکنون در زمینه بهره­ گیری از عامل و سیستمهای چندعامله انجام شده است خصوصیتهایی همانند خودآغازی و بخصوص متحرک بودن عاملها را مورد بررسی قرار داده است و در آنها مواردی همچون هوشمندی، یادگیری، قابلیت استدلال، هدفگرایی و قابلیت‌های اجتماعی عاملها مورد بررسی قرار نگرفته است. در این تحقیق ما قصد داریم تا ضمن بررسی کارهای موجود در زمینه کاربرد عامل و سیستمهای چندعامله در داده ­کاوی، بحث طبقه ­بندی جریان داده ­ها را در یک محیط پویا مورد بررسی قرار دهیم. ما مساله خود را در دو فاز مورد بررسی قرار خواهیم داد. در فاز اول خصوصیتهای یک عامل تنها مورد بررسی قرار خواهد گرفت و در فاز دوم قابلیت‌های اجتماعی عاملها مانند مذاکره، دستیابی به توافق و … برای داده ­کاوی در یک محیط پویا و توزیع­شده رقابتی مورد استفاده قرار خواهد گرفت. بطور کلی دستاوردهای اصلی این تحقیق عبارتند از 1) ارائه یک رویکرد مبتنی بر عامل برای مساله طبقه ­بندی جریان داده ­های دارای تغییر مفهوم و پویا با بهره گرفتن از قابلیت‌های هدفگرایی، هوشمندی، یادگیری و استدلال 2) ارائه یک رویکرد مبتنی بر سیستمهای چندعامله برای طبقه ­بندی جریان داده ­های توزیع­شده در یک محیط رقابتی با بهره گرفتن از قابلیت‌های اجتماعی عاملها و دستیابی به توافق. نتایج حاصل از آزمایشات انجام شده در این پایان نامه نشان­دهنده برتری استفاده از عاملها و سیستمهای چندعامله برای بحث طبقه ­بندی و داده ­کاوی در محیطهای پویا و توزیع شده می­باشد.

کلمات کلیدی:

داده ­کاوی[1]، طبقه ­بندی[2]، جریان داده[3]، عامل[4].

فهرست مطالب

1. فصل اول – معرفی و آشنایی با مفاهیم اولیه.. 1

1-1- مقدمه­ای بر داده ­کاوی.. 2

1-1-1- خوشه­بندی.. 3

1-1-2- کشف قواعد وابستگی.. 4

1-1-3- طبقه ­بندی.. 4

1-1-3-1- طبقه ­بندی مبتنی بر قواعد.. 5

1-2- داده ­کاوی توزیع­شده.. 7

1-3- عاملها و سیستمهای چندعامله.. 8

1-3-1- عامل.. 8

1-3-1-1- مقایسه عامل با شی.. 9

1-3-1-2- معماری عاملها.. 11

1-3-1-3- معماری BDI. 12

1-3-2- سیستم­های چندعامله.. 14

1-3-2-1- مذاکره.. 17

1-4- بهره­ گیری از عامل برای داده ­کاوی.. 19

1-4-1- سیستم­های چندعامله، بستری برای داده ­کاوی توزیع شده.. 19

1-5- جمع­بندی.. 22

2. فصل دوم – داده ­کاوی پویا.. 23

2-1- مقدمه­ای بر داده ­کاوی پویا.. 24

2-2- جریان داده.. 25

2-3- طبقه ­بندی جریان داده.. 26

2-3-1- موضوعات پژوهشی.. 27

2-4- جمع­بندی.. 31

3. فصل سوم – مروری بر کارهای انجام شده.. 33

3-1- مقدمه.. 34

3-2- داده ­کاوی توزیع­شده ایستا.. 35

3-2-1- روش های غیرمتمرکز.. 36

3-2-2- روش های مبتنی بر توزیع ذاتی داده ­ها.. 37

3-3- کارهای مهم انجام شده در زمینه داده ­کاوی با بهره گرفتن از عامل   38

3-4- کارهای انجام شده در زمینه طبقه ­بندی جریان داده ­ها.. 41

3-4-1- روش های طبقه ­بندی Ensemble-based. 41

3-4-2- درختهای تصمیم بسیار سریع.. 43

3-4-3- طبقه ­بندی On-Demand. 46

3-4-4- OLIN.. 48

3-4-5- الگوریتمهای LWClass. 49

3-4-6- الگوریتم ANNCAD.. 51

3-4-7- الگوریتم SCALLOP. 51

3-4-8- طبقه ­بندی جریان داده ­ها با بهره گرفتن از یک روش Rule-based. 53

3-5- جمع­بندی.. 54

4. فصل چهارم – تعریف مساله.. 55

4-1- مقدمه.. 56

4-2- تعریف مساله برای فاز اول.. 56

4-2-1- جریان داده.. 57

4-2-2- مفهوم یا مدل موجود در جریان داده.. 57

4-2-3- مساله طبقه ­بندی جریان داده ­های دارای تغییر مفهوم.. 57

4-3- تعریف مساله برای فاز دوم.. 59

5. فصل پنجم – رویکردهای پیشنهادی.. 62

5-1- مقدمه.. 63

5-2- رویکرد پیشنهادی برای فاز اول پروژه.. 63

5-2-1- عامل و ویژگیهای آن در این مساله.. 64

5-2-2- عملکرد کلی عامل.. 65

5-2-3- معماری عامل.. 66

5-2-3-1- حسگرها .. 67

5-2-3-2- پایگاه دانش عامل.. 68

5-2-3-3- تابع ارزیابی محیط.. 70

5-2-3-3-1- نحوه تشخیص اطلاعات و نگهداری الگوهای recur در جریان داده   70

5-2-3-3-2- نحوه استخراج الگوهای recur 70

5-2-3-3-3- نحوه بروزرسانی اطلاعات مربوط به الگوهای recur 73

5-2-3-3-4- نحوه محاسبه وقوع احتمال وقوع یک الگوی خاص.. 74

5-2-3-4- تابع سودمندی.. 75

5-2-3-5- بخش تصمیم ­گیری و Planning. 79

5-2-3-5-1- بخش تصمیم­گیری.. 79

5-2-3-5-2- Planning. 83

5-2-3-6- بخش Action. 86

5-3- رویکرد پیشنهادی برای فاز دوم مساله.. 87

5-3-1- عاملهای مشتری.. 88

5-3-2- عامل صفحه زرد.. 90

5-3-3- عاملهای داده­کاو.. 91

5-3-3-1- معماری عاملهای داده­کاو.. 92

5-3-3-1-1- تابع BRF. 94

5-3-3-1-2- تابع Generate Options. 95

5-3-3-1-3- تابع فیلتر.. 95

5-3-3-1-4- بخش Actions. 96

5-3-3-1-5- Plan های عامل.. 97

5-3-3-1-5- 1- Plan مربوط به طبقه ­بندی.. 97

5-3-3-1-5-2- Plan مربوط به تطبیق طبقه­بند .. 98

5-3-3-1-5-3- Plan مربوط به خرید و فروش قواعد با بهره گرفتن از مذاکره   101

5-4- جمع­بندی.. 111

6. فصل ششم – آزمایشات و نتایج.. 113

6-1- مقدمه.. 114

6-2- محیط عملیاتی.. 114

6-3- مجموعه داده ­های مورد استفاده.. 116

6-3-1- مجموعه داده ­های استاندارد.. 116

6-3-2- مجموعه داده ­های واقعی.. 117

6-4- معیارهای ارزیابی و روش های مورد استفاده برای مقایسه.. 117

6-5- آزمایشات انجام شده.. 118

6-5-1- آزمایشات مربوط به فاز اول.. 119

6-5-2- آزمایشات مربوط به فاز دوم.. 128

6-6- جمع­بندی.. 130

7. فصل هفتم- جمع­بندی و نتیجه ­گیری.. 132

 فهرست مراجع.. 136

فهرست اشکال

1. شکل 1-1- معماری BDI در عامل.. 15
2. شکل 3-1- درخت تحقیق مربوط به طبقه ­بندی در مبحث داده ­کاوی.. 34
3. شکل 3-2- طبقه ­بندی مبتنی بر Ensemble. .44
4. شکل 3-3- چارچوب روش On-Demand. 47
5. شکل 3-4- نمایی از سیستم OLIN.. 49
6. شکل 3-5- پروسه SCALLOP. 53
7. شکل 5-1- نمودار ترتیب عملکرد عامل پیشنهادی.. 66
8. شکل 5-2- معماری عامل پیشنهادی.. 67
9. شکل 5-3- پنجره نظاره بر روی جریان داده ­ها.. 68
10. شکل 5-4- گراف ایجاد شده از روی رشته مفهوم­ها.. 71
11. شکل 5-5- محل تجمع الگوهای استخراج شده از رشته مفهوم­ها.. 73
12. شکل 5-6- میزان محاسبه شده احتمالها به ازای مقادیر مختلف K 81
13. شکل 5-7- شبه کد Plan کلی عامل.. 83
14. شکل 5-8- نسبت واریانس به حاصلضرب 50 متغیر دارای مجموع ثابت.. 85
15. شکل 5-9- وزن دهی چند داده مختلف.. 86
16. شکل 5-10- نمایی کلی از سیستم چندعامله ایجاد شده.. 88
17. شکل 5-11- معماری BDI عامل داده­کاو.. 93
18. شکل 5-12- بخشی از جریان داده و قواعد استخراج شده از آن.. 99
19. شکل 5-13- بخشی از جریان داده و قواعد استخراج شده از آن.. 101
20. شکل 6-1- کد نمونه برای استفاده از بسته نرم افزاری weka. 115
21. شکل 6-2- زمان لازم بر حسب میلی ثانیه برای داده ­های Stagger .. 120
22. شکل 6-3- زمان مصرف شده برای تطبیق طبقه­بند.. 120
23. شکل 6-4- نمودار مربوط به زمان پردازش روش های مختلف برای داده ­های HyperPlan 121
24. شکل 6-5- زمان مصرف شده برای تطبیق طبقه­بند .. 121
25. شکل 6-6- نمودار مربوط به زمان پردازش روش های مختلف برای داده ­های Nursery 122
26. شکل 6-7- زمان مصرف شده برای تطبیق طبقه­بند برای داده ­های Nursery 122
27. شکل 6-8- عملکرد روش های مختلف بر روی مجموعه داده HyperPlan 124
28. شکل 6-9- نمودار عملکرد روش های مختلف بر روی مجموعه داده HyperPlan در یک بازه کوچکتر 124
29. شکل 6-10- نمودار عملکرد روش های مختلف بر روی مجموعه داده HyperPlan در یک بازه کوچکتر 125
30. شکل 6-11- زمان مصرف شده برای تطبیق طبقه­بند برای داده ­های HyperPlan 125
31. شکل 6-12- عملکرد روش های مختلف بر روی مجموعه داده Stagger .. 126
32. شکل 6-13- زمان مصرف شده برای تطبیق طبقه­بند برای داده ­های Stagger 126
33. شکل 6-14- عملکرد روش های مختلف بر روی مجموعه داده Nursery .. 127
34. شکل 6-15- زمان مصرف شده برای تطبیق طبقه­بند برای داده ­های Nursery 127
35. شکل 6-16- نمودار نتایج حاصل از طبقه ­بندی توزیع ­شده مجموعه داده Nursery 130

فهرست جدولها

37. جدول 1-1- ویژگیهای یک عامل .. 11
38. جدول 3-1- ماتریس حاصل از روش LWClass. 51
39. جدول 3-2- مقایسه تکنیکهای ذکر شده.. 54
40. جدول 5-1- ساختار اطلاعاتی ذخیره شده برای هر مفهوم و الگو.. 69
41. جدول 5-2- ساختار اطلاعاتی مربوط به وقوع الگوی “CFDA”.. 75
42. جدول 5-3- نمونه ای از خروجی تابع سودمندی عامل.. 81
43. جدول 5-4- اطلاعات مورد استفاده برای تخمین سودمندی یک قاعده.. 105
44. جدول 6-1- دقت طبقه ­بندی روش های مختلف.. 128
45. جدول 6-2- نتایج حاصل از طبقه ­بندی توزیع شده مجموعه داده Nursery در سه مفهوم مختلف 130

فصل اول

معرفی و آشنایی با مفاهیم اولیه

فصل اول

معرفی و آشنایی با مفاهیم اولیه

1-1- مقدمه­ای بر داده ­کاوی

داده ­کاوی به معنای یافتن نیمه خودکار الگوهای پنهان موجود در مجموعه داده ­های^[5] موجود می­باشد[38]. داده ­کاوی از مدلهای تحلیلی ، کلاس بندی و تخمین و برآورد اطلاعات و ارائه نتایج با بهره گرفتن از ابزارهای مربوطه بهره می گیرد. می­توان گفت که داده کاوی در جهت کشف اطلاعات پنهان و روابط موجود در بین داده ­های فعلی و پیش ­بینی موارد نامعلوم و یا مشاهده نشده عمل می­ کند. برای انجام عملیات داده ­کاوی لازم است قبلا روی داده ­های موجود پیش­پردازشهایی انجام گیرد. عمل پیش پردازش اطلاعات خود از دو بخش کاهش اطلاعات و خلاصه­سازی و کلی­سازی داده ­ها تشکیل شده است. کاهش اطلاعات عبارت است از تولید یک مجموعه کوچکتر، از داده ­های اولیه، که تحت عملیات داده ­کاوی نتایج تقریبا یکسانی با نتایج داده ­کاوی روی اطلاعات اولیه به دست دهد[38]. پس از انجام عمل کاهش اطلاعات و حذف خصایص غیر مرتبط نوبت به خلاصه­سازی و کلی­سازی داده ­ها می رسد. داده ­های موجود در بانک­های اطلاعاتی معمولا حاوی اطلاعات در سطوح پایینی هستند، بنابراین خلاصه­سازی مجموعه بزرگی از داده ­ها و ارائه آن به صورت یک مفهوم کلی اهمیت بسیار زیادی دارد. کلی­سازی اطلاعات، فرایندی است که تعداد زیادی از رکوردهای یک بانک اطلاعاتی را به صورت مفهومی در سطح بالاتر ارائه می نماید. خود روش های داده ­کاوی به سه دسته کلی تقسیم می­شوند که عبارتند از خوشه­بندی، طبقه ­بندی و کشف قواعد وابستگی. در ادامه هر یک از این روشها را بطور کلی معرفی می­نماییم.

1-1-1- خوشه­بندی

فرایند خوشه­بندی سعی دارد که یک مجموعه داده را به چندین خوشه­ تقسیم نماید بطوریکه داده ­های قرار گرفته در یک خوشه با یکدیگر شبیه بوده و با داده ­های خوشه ­های دیگر متفاوت باشند. در حال حاضر روش های متعددی برای خوشه­بندی داده ­ها وجود دارد که بر اساس نوع داده ­ها، شکل خوشه ­ها، فاصله داده ­ها و غیره عمل خوشه­بندی را انجام می­دهند. مهمترین روش های خوشه­بندی در زیر معرفی شده ­اند:

• روش های تقسیم ­بندی : روش های خوشه­بندی که بروش تقسیم بندی عمل می­ کنند، داده ­های موجود در یک مجموعه داده را به k خوشه تقسیم می­ کنند، بطوریکه هر خوشه دو خصوصیت زیر را داراست :
  • هر خوشه یا گروه حداقل شامل یک داده می­باشد.
  • هر داده موجود در مجموعه داده دقیقا به یک گروه یا خوشه تعلق دارد.

معیار اصلی در چنین مجموعه داده ­هایی میزان شباهت داده ­های قرار گرفته در هر خوشه می­باشد. در حالیکه داده ­های قرار گرفته در دو خوشه مختلف از نظر شباهت با یکدیگر فاصله زیادی دارند. مقدار k که بعنوان پارامتر استفاده می­گردد، هم می ­تواند بصورت پویا تعیین گردد و هم اینکه قبل از شروع الگوریتم خوشه­بندی مقدار آن مشخص گردد.

• روش های سلسله مراتبی : روش های سلسله مراتبی به دو دسته کلی روش های bottom-up و روش های top-down تقسیم می­گردند. روش های سلسله مراتبی bottom-up به این صورت عمل می­ کنند که در شروع هر کدام از داده ­ها را در یک خوشه جداگانه قرار می­دهد و در طول اجرا سعی می­ کند تا خوشه ­هایی نزدیک به یکدیگر را با هم ادغام نماید. این عمل ادغام تا زمانی که یا تنها یک خوشه داشته باشیم و یا اینکه شرط خاتمه برقرار گردد، ادامه می­یابد. روش های top-down دقیقا بطریقه عکس عمل می­ کنند، به این طریق که ابتدا تمام داده ­ها را در یک خوشه­ قرار می­دهد و در هر تکرار از الگوریتم، هر خوشه به خوشه ­های کوچکتر شکسته می­ شود و اینکار تا زمانی ادامه می­یابد که یا هر کدام از خوشه ­ها تنها شامل یک داده باشند و یا شرط خاتمه الگوریتم برقرار گردد. شرط خاتمه معمولا تعداد کلاستر یا خوشه می­باشد.

• روش های مبتنی بر چگالی : اکثر روش های خوشه­بندی که بروش تقسیم ­بندی عمل می­ کنند معمولا از تابع فاصله بعنوان تابع معیار خود بهره می­برند. استفاده از چنین معیاری باعث می­گردد که الگوریتم خوشه­بندی تنها قادر به ایجاد خوشه ­هایی با اشکال منظم باشد. در صورتیکه اگر خوشه ­های واقعی در داده ­ها دارای اشکال غیرمنظمی باشند، این الگوریتم­ها در خوشه­بندی آنها با مشکل مواجه می­گردند. برای حل اینگونه مشکلات یکسری از روشها برای خوشه­بندی پیشنهاد گردیده­اند که عمل خوشه­بندی را بر مبنای چگالی داده ­ها انجام می­دهند. ایده اصلی در این روشها بر این اساس است که خوشه ­ها تا زمانی که داده ­های قرار گرفته همسایگی خوشه ­ها از حد معینی بیشتر باشد، رشد می­ کنند و بزرگ می­شوند. چنین روش هایی قادرند خوشه ­هایی با شکلهای نامنظم نیز ایجاد نمایند.

البته دسته دیگری از روش های خوشه­بندی مانند روش های مبتنی بر گرید، روش های مبتنی بر مدل و … وجود دارند که می­توانید آنها را در ]38[ مطالعه نمایید.

1-1-2- کشف قواعد وابستگی

بحث قواعد وابستگی به مقوله کشف عناصری یا المان­هایی در یک مجموعه داده می ­پردازد که معمولا با یکدیگر اتفاق می­افتند و بعبارتی رخداد آنها بنوعی با یکدیگر ارتباط دارد. بطور کلی هر قاعده یا rule که از این مجموعه داده­ بدست می­­آید، دارای شکل کلی بصورت  می­باشد که نشان می­دهد چنانچه الگوی X اتفاق بیفتد، با احتمال بالایی الگوی Y نیز اتفاق خواهد افتاد. برای مطالعه بیشتر در مورد مقوله کشف قواعد وابستگی می­توانید به ]38[ مراجعه نمایید.

1-1-3- طبقه ­بندی

فرایند طبقه ­بندی در واقع نوعی یادگیری با ناظر می­باشد که در طی دو مرحله انجام می­گردد. در مرحله اول مجموعه ­ای از داده ­ها که در آن هر داده شامل تعدادی خصوصیت دارای مقدار و یک خصوصیت بنام خصوصیت کلاس می­باشد، برای ایجاد یک مدل داده بکار می­روند که این مدل داده در واقع توصیف کننده مفهوم و خصوصیات مجموعه داده ­هایی است که این مدل از روی آنها ایجاد شده است. مرحله دوم فرایند طبقه ­بندی اعمال یا بکارگیری مدل داده ایجاد شده بر روی داده ­هایی است که شامل تمام خصوصیات داده ­هایی که برای ایجاد مدل داده بکار گرفته­ شده ­اند، می­باشد، بجز خصوصیت کلاس این مقادیر که هدف از عمل طبقه ­بندی نیز تخمین مقدار این خصوصیت می­باشد.

الگوریتم­ها و روش های مختلفی برای طبقه ­بندی تاکنون پیشنهاد شده ­اند که برای مثال می­توان از روش های طبقه ­بندی با بهره گرفتن از درخت تصمیم، طبقه ­بندی بیزین، SVM ، طبقه ­بندی با بهره گرفتن از شبکه­ های عصبی، طبقه ­بندی مبتنی بر قواعد و … ]56[ نام برد. در اینجا ما قصد نداریم وارد مباحث مربوط به الگوریتم­ها و روش های طبقه ­بندی شویم و تنها روش طبقه ­بندی مبتنی بر قواعد را بدلیل استفاده از آن در فاز دوم پروژه در اینجا معرفی خواهیم نمود. در صورت نیاز به مطالعه بیشتر می­توانید به فصل ششم مرجع ]38[ مراجعه نمایید.

(ممکن است هنگام انتقال از فایل اصلی به داخل سایت بعضی متون به هم بریزد یا بعضی نمادها و اشکال درج نشود ولی در فایل دانلودی همه چیز مرتب و کامل است)

تعداد صفحه :157

قیمت :14700 تومان

بلافاصله پس از پرداخت لینک دانلود فایل در اختیار شما قرار می گیرد

و در ضمن فایل خریداری شده به ایمیل شما ارسال می شود.

پشتیبانی سایت :               serderehi@gmail.com

در صورتی که مشکلی با پرداخت آنلاین دارید می توانید مبلغ مورد نظر برای هر فایل را کارت به کارت کرده و فایل درخواستی و اطلاعات واریز را به ایمیل ما ارسال کنید تا فایل را از طریق ایمیل دریافت کنید.

14,700 تومانافزودن به سبد خرید

—-

پشتیبانی سایت :       

*         parsavahedi.t@gmail.com