تعداد صفحات : 157
چکیده
امروزه با توجه به گسترش روز افزون اطلاعاتی که بشر با آنها سر و کار دارد، بهره گیری از روشهایی همچون داده کاوی برای استخراج دانش و اطلاعات نهفته در دادهها، امری غیرقابل اجتناب میباشد. بدلیل حجم بسیار بالای داده ها در بسیاری از کاربردها و اهمیت بیشتر داده های جدید، ذخیره سازی 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 دادهها است. معمولا پایگاه هایی که این داده ها را ایجاد یا دریافت میکنند، 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 قابلیت های آنها برای دادهکاوی در محیطهای پویا و محیطهای توزیع شده بهره برد. اکثر کارهایی که تاکنون در زمینه بهرهگیری 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، هدف گرایی و قابلیت های اجتماعی عاملها مورد بررسی قرار نگرفته است. در این تحقیق ما قصد داریم تا ضمن بررسی کارهای موجود در زمینه کاربرد عامل و سیستم های چندعامله در دادهکاوی، بحث طبقه بندی جریان دادهها را در یک محیط پویا مورد بررسی قرار دهیم. ما مساله خود را در دو فاز مورد بررسی قرار خواهیم داد. در فاز اول خصوصیت های یک عامل تنها مورد بررسی قرار خواهد گرفت و در فاز دوم قابلیت های اجتماعی عاملها مانند مذاکره، دستیابی به توافق و … برای داده کاوی در یک محیط پویا و توزیع شده 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 استفاده از قابلیتهای هدف گرایی، هوشمندی، یادگیری و استدلال
2) ارائه یک رویکرد مبتنی بر سیستمهای چندعامله برای طبقهبندی جریان دادههای توزیعشده در یک محیط رقابتی با استفاده از قابلیتهای اجتماعی عاملها و دستیابی به توافق.
نتایج حاصل از آزمایشات انجام شده در این پایان نامه نشان دهنده برتری استفاده از عاملها و سیستم های چندعامله برای بحث طبقه بندی و داده کاوی در محیطهای پویا و توزیع شده میباشد.
فهرست مطالب
- فصل اول – معرفی و آشنایی با مفاهیم اولیه
1-1- مقدمه ای بر داده کاوی
1-1-1- خوشه بندی
1-1-2- کشف قواعد وابستگی
1-1-3- طبقه بندی
1-1-3-1- طبقه بندی مبتنی بر قواعد
1-2- داده کاوی توزیع شده
1-3- عاملها و سیستم های چندعامله
1-3-1- عامل
1-3-1-1- مقایسه عامل با شی
1-3-1-2- معماری عامل ها
1-3-1-3- معماری BDI
1-3-2- سیستم های چندعامله
1-3-2-1- مذاکره
1-4- بهره گیری از عامل برای داده کاوی
1-4-1- سیستم های چندعامله، بستری برای داده کاوی توزیع شده
1-5- جمع بندی
- فصل دوم – داده کاوی پویا
2-1- مقدمه ای بر داده کاوی پویا
2-2- جریان داده
2-3- طبقه بندی جریان داده
2-3-1- موضوعات پژوهشی
2-4- جمع بندی
- فصل سوم – مروری بر کارهای انجام شده
3-1- مقدمه
3-2- داده کاوی توزیع شده ایستا
3-2-1- روشهای غیرمتمرکز
3-2-2- روشهای مبتنی بر توزیع ذاتی داده ها
3-3- کارهای مهم انجام شده در زمینه داده کاوی با استفاده از عامل
3-4- کارهای انجام شده در زمینه طبقه بندی جریان داده ها
3-4-1- روشهای طبقه بندی Ensemble-based
3-4-2- درختهای تصمیم بسیار سریع
3-4-3- طبقه بندی On-Demand
3-4-4- OLIN
3-4-5- الگوریتم های LWClass
3-4-6- الگوریتم ANNCAD
3-4-7- الگوریتم SCALLOP
3-4-8- طبقه بندی جریان داده ها با استفاده از یک روش Rule-based
3-5- جمع بندی
- فصل چهارم – تعریف مساله
4-1- مقدمه
4-2- تعریف مساله برای فاز اول
4-2-1- جریان داده
4-2-2- مفهوم یا مدل موجود در جریان داده
4-2-3- مساله طبقه بندی جریان داده های دارای تغییر مفهوم
4-3- تعریف مساله برای فاز دوم
- فصل پنجم – رویکردهای پیشنهادی
5-1- مقدمه
5-2- رویکرد پیشنهادی برای فاز اول پروژه
5-2-1- عامل و ویژگی های آن در این مساله
5-2-2- عملکرد کلی عامل
5-2-3- معماری عامل
5-2-3-1- حسگرها
5-2-3-2- پایگاه دانش عامل
5-2-3-3- تابع ارزیابی محیط
5-2-3-3-1- نحوه تشخیص اطلاعات و نگهداری الگوهای recur در جریان داده
5-2-3-3-2- نحوه استخراج الگوهای recur
5-2-3-3-3- نحوه بروزرسانی اطلاعات مربوط به الگوهای recur
5-2-3-3-4- نحوه محاسبه وقوع احتمال وقوع یک الگوی خاص
5-2-3-4- تابع سودمندی
5-2-3-5- بخش تصمیم گیری و Planning
5-2-3-5-1- بخش تصمیم گیری
5-2-3-5-2- Planning
5-2-3-6- بخش Action
5-3- رویکرد پیشنهادی برای فاز دوم مساله
5-3-1- عاملهای مشتری
5-3-2- عامل صفحه زرد
5-3-3- عاملهای داده کاو
5-3-3-1- معماری عاملهای داده کاو
5-3-3-1-1- تابع BRF
5-3-3-1-2- تابع Generate Options
5-3-3-1-3- تابع فیلتر
5-3-3-1-4- بخش Actions
5-3-3-1-5- Plan های عامل
5-3-3-1-5- 1- Plan مربوط به طبقه بندی
5-3-3-1-5-2- Plan مربوط به تطبیق طبقه بند
5-3-3-1-5-3- Plan مربوط به خرید و فروش قواعد با استفاده از مذاکره
5-4- جمع بندی
- فصل ششم – آزمایشات و نتایج
6-1- مقدمه
6-2- محیط عملیاتی
6-3- مجموعه داده های مورد استفاده
6-3-1- مجموعه داده های استاندارد
6-3-2- مجموعه داده های واقعی
6-4- معیارهای ارزیابی و روشهای مورد استفاده برای مقایسه
6-5- آزمایشات انجام شده
6-5-1- آزمایشات مربوط به فاز اول
6-5-2- آزمایشات مربوط به فاز دوم
6-6- جمع بندی
- فصل هفتم- جمعبندی و نتیجه گیری
فهرست مراجع
فهرست اشکال
- شکل 1-1- معماری BDI در عامل
- شکل 3-1- درخت تحقیق مربوط به طبقهبندی در مبحث دادهکاوی
- شکل 3-2- طبقه بندی مبتنی بر Ensemble. Error! Bookmark not defined
- شکل 3-3- چارچوب روش On-Demand
- شکل 3-4- نمایی از سیستم OLIN
- شکل 3-5- پروسه SCALLOP
- شکل 5-1- نمودار ترتیب عملکرد عامل پیشنهادی
- شکل 5-2- معماری عامل پیشنهادی
- شکل 5-3- پنجره نظاره بر روی جریان دادهها
- شکل 5-4- گراف ایجاد شده از روی رشته مفهومها
- شکل 5-5- محل تجمع الگوهای استخراج شده از رشته مفهومها
- شکل 5-6- میزان محاسبه شده احتمالها به ازای مقادیر مختلف K
- شکل 5-7- شبه کد Plan کلی عامل
- شکل 5-8- نسبت واریانس به حاصلضرب 50 متغیر دارای مجموع ثابت
- شکل 5-9- وزن دهی چند داده مختلف
- شکل 5-10- نمایی کلی از سیستم چندعامله ایجاد شده
- شکل 5-11- معماری BDI عامل دادهکاو
- شکل 5-12- بخشی از جریان داده و قواعد استخراج شده از آن
- شکل 5-13- بخشی از جریان داده و قواعد استخراج شده از آن
- شکل 6-1- کد نمونه برای استفاده از بسته نرم افزاری weka
- شکل 6-2- زمان لازم بر حسب میلی ثانیه برای داده های Stagger
- شکل 6-3- زمان مصرف شده برای تطبیق طبقهبند
- شکل 6-4- نمودار مربوط به زمان پردازش روشهای مختلف برای داده های HyperPlan
- شکل 6-5- زمان مصرف شده برای تطبیق طبقه بند
- شکل 6-6- نمودار مربوط به زمان پردازش روشهای مختلف برای داده های Nursery
- شکل 6-7- زمان مصرف شده برای تطبیق طبقهبند برای داده های Nursery
- شکل 6-8- عملکرد روشهای مختلف بر روی مجموعه داده HyperPlan
- شکل 6-9- نمودار عملکرد روشهای مختلف بر روی مجموعه داده HyperPlan در یک بازه کوچکتر
- شکل 6-10- نمودار عملکرد روشهای مختلف بر روی مجموعه داده HyperPlan در یک بازه کوچکتر
- شکل 6-11- زمان مصرف شده برای تطبیق طبقه بند برای دادههای HyperPlan
- شکل 6-12- عملکرد روشهای مختلف بر روی مجموعه داده Stagger
- شکل 6-13- زمان مصرف شده برای تطبیق طبقهبند برای دادههای Stagger
- شکل 6-14- عملکرد روشهای مختلف بر روی مجموعه داده Nursery
- شکل 6-15- زمان مصرف شده برای تطبیق طبقه بند برای دادههای Nursery
- شکل 6-16- نمودار نتایج حاصل از طبقه بندی توزیع شده مجموعه داده Nursery
فهرست جدولها
- جدول 1-1- ویژگیهای یک عامل
- جدول 3-1- ماتریس حاصل از روش LWClass
- جدول 3-2- مقایسه تکنیک های ذکر شده
- جدول 5-1- ساختار اطلاعاتی ذخیره شده برای هر مفهوم و الگو
- جدول 5-2- ساختار اطلاعاتی مربوط به وقوع الگوی “CFDA”
- جدول 5-3- نمونه ای از خروجی تابع سودمندی عامل
- جدول 5-4- اطلاعات مورد استفاده برای تخمین سودمندی یک قاعده
- جدول 6-1- دقت طبقه بندی روشهای مختلف
- جدول 6-2- نتایج حاصل از طبقه بندی توزیع شده مجموعه داده Nursery در سه مفهوم مختلف
