•          مؤلف(ها): علی قوامی، فاطمه اسحقی
  •          سال انتشار: بهمن ماه ۱۳۹۳
  •          محل ارائه: مرکز آموزش عالی خیام الکتریک (اولین همایش ملی پیشرفتهای تکنولوژی در مهندسی برق، الکترونیک و کامپیوتر)
  •          زبان: انگلیسی
  •          چکیده: این مقاله نحوه تجزیه و تحلیل توزیع احتمالی فازی در تجزیه و تحلیل داده ها در داده کاوی و سپس نحوه استفاده از داده کاوی در رایانش ابری را توصیف می کند. داده کاوی گام مرکزی در یک فرایند به نام کشف دانش در پایگاه های داده است، یعنی مرحله ای که در آن تکنیک های مدل سازی استفاده می شود. چندین زمینه تحقیقاتی نظیر آمار، هوش هنری، یادگیری ماشین و محاسبات نرم، به زرادخانه روش ها کمک کرده اند. با این حال، در این مقاله، ما بر روش های فازی برای یادگیری قوانین، همجوشی اطلاعات و تحلیل وابستگی تمرکز می کنیم.
    به نظر ما رویکردهای فازی می تواند نقش مهمی در کاوش داده ها ایفا کند، زیرا آنها نتایج قابل درک را فراهم می کنند (اگر چه این هدف اغلب نادیده گرفته می شود، شاید به دلیل آن است که گاهی اوقات با روش های دیگر سخت است). علاوه بر این، رویکردهایی که در زمینه داده کاوی مورد مطالعه قرار گرفته اند عمدتا در داده های بسیار ساخت یافته و دقیق گرا هستند. با این حال، ما انتظار داریم که تجزیه و تحلیل منابع پیچیده تر ناهمگن اطلاعات مانند متون، تصاویر، حاکمیت و غیره در آینده نزدیک اهمیت بیشتری پیدا کند. در ابتدا ما چشم انداز معدن اطلاعاتی را ارائه می دهیم، که ما آن را به عنوان یک فرایند استخراج داده ها برای رسیدگی به منابع اطلاعات ناهمگن اطلاعات پیچیده می بینیم و استدلال می کنیم که سیستم های فازی در مقابله با چالش های معدن اطلاعات مفید هستند.
    ادغام تکنیک های داده کاوی به فعالیت های معمول روزمره تبدیل شده است. هر روز مردم با تبلیغات هدفمند مواجه می شوند، و تکنیک های داده کاوی به کسب و کار کمک می کند تا با کاهش هزینه ها کارایی بیشتری داشته باشد. تکنیک های داده کاوی و برنامه های کاربردی بسیار مورد نیاز در پارادایم محاسبات ابری است. پیاده سازی تکنیک های داده کاوی از طریق ابر رایانه به کاربران امکان می دهد اطلاعات معنی دار را از یک انبار داده تقریبا یکپارچه بازیابی کنند که هزینه های زیرساخت ها و ذخیره سازی را کاهش می دهد.
    اطلاعات پیشین در تجزیه و تحلیل بیزی توسط توزیعهای احتمالی دقیق موضوع بحث بحث و گفتگو است. بنابراین، یک فرم کلی تر توزیع a-priori ضروری است. با استفاده از مفهوم توابع ارزشیابی فازی، به اصطلاح تراکم احتمال فازی، مدل مناسبی برای اطلاعات soft-a priori است.
  •          کلمات کلیدی: رایانش ابری، داده کاوی، سیستم فازی، اطلاعات کاوی، سیستم های فازی عصبی، تجزیه و تحلیل بیزی فازی، تراکم احتمال فازی، سیستم های فازی، تعمیم ادغام.
(84 Total Views, 1 Today)