پرش لینک ها

داده کاوی فازی و مدیریت اطلاعات ذهنی و تفسیری

داده کاوی فازی و مدیریت اطلاعات ذهنی و تفسیری

14,000 تومان 12,000 تومان


چکیده
نظریه­ ی مجموعه­ های فازی سهم بسزایی در داده­ کاوی منجر به داده کاوی فازی دارد. این امکان مدیریت اطلاعات ذهنی و تفسیری را هم در ورودی و هم خروجی فرآیند داده­ کاوی فراهم می سازد. در این مقاله، ما در رابطه با مفهوم تفسیرپذیری در داده ­کاوی فازی بحث می­ کنیم و مراجعی برای مدیریت احساسات به عنوان گونه ­ای خاص از اطلاعات ذهنی ارائه می­ دهیم.

داده کاوی فازی | شبکه های فازی | اطلاعات تفسیری و ذهنی | ترجمه تخصصی مقاله کامپیوتر

سفــــارش ترجمـــه



 

شناسه محصول: 334354f6fd69

توضیحات

داده کاوی فازی و مدیریت اطلاعات ذهنی و تفسیری
ترجمه تخصصی مقاله کامپیوتر 

Fuzzy data mining and management of interpretable and subjective information

دانلود مقاله لاتین

تعداد صفحات مقاله لاتین : 8                   تعداد صفحات ترجمه: 12                  سال انتشار: 2015            کد محصول: 10002

چکیده
نظریه­ ی مجموعه­ های فازی سهم بسزایی در داده­ کاوی منجر به داده کاوی فازی دارد. این امکان مدیریت اطلاعات ذهنی و تفسیری را هم در ورودی و هم خروجی فرآیند داده­ کاوی فراهم می سازد. در این مقاله، ما در رابطه با مفهوم تفسیرپذیری در داده ­کاوی فازی بحث می­ کنیم و مراجعی برای مدیریت احساسات به عنوان گونه ­ای خاص از اطلاعات ذهنی ارائه می­ دهیم.
مقدمه
نظریه­ ی مجموعه­ های فازی از پنجاه سال پیش که توسط لطفی­ زاده معرفی شد، در بسیاری از حوزه­ ها مثمرثمر بوده ­است. داده­ کاوی یکی از حوزه ­های مهم کاربردی است که در سال­ های 1990 به عنوان گامی ویژه در کشف دانش از پایگاه ­های داده (KDD) معرفی شد: “مؤلفه­ های داده ­کاوی KDD در حال حاضر تا حد زیادی بر تکنیک­ های شناخته­ شده از یادگیری ماشین، تشخیص الگو، و آمار و احتمالات جهت یافتن الگوها از داده­ ها در مرحله­ ی داده ­کاوی فرآیند KDD استوار است” [1]. کمی پس از ظهور داده­ کاوی، چندین پژوهش، استفاده از نظریه ­ی مجموعه­ های فازی را در این حوزه پیشنهاد نمودند. مجموعه­ های فازی در داده­ کاوی نقش ­های متنوعی دارند: افزایش تفسیرپذیری، افزایش استحکام فرآیند و اداره ­ی اطلاعات نامفهوم، بویژه اطلاعات ذهنی و احساسی. هر دوی اینها که با معرفی نظریه­ ی مجموعه­ های فازی جهت ایجاد داده­ کاوی فازی فراهم شدند، به این روند، قابلیت کاوش در اطلاعات پیچیده ­ای را که پرداختن به آنها در محیط­ های کلاسیک با در نظر داشتن موارد خاص احساسات، دشوار است، ارائه نمودند. تمرکز این مقاله بر تفسیرپذیری است و از این پس به همین موضوع می ­پردازیم. استحکام روند، آن را قادر می­ سازد هنگام مواجهه با تنها تغییرات کوچک در داده ­ها (برای نمونه، در حضور نویز) نتایج مشابهی تولید کند. استحکام سیستم­ های فازی بطور گسترده مورد مطالعه قرار گرفته، و حتی در حوزه­ های یادگیری غیرماشینی نیز شناخته شده است.

سفــــارش ترجمـــه

می خوای از فایلای با ارزشی که داری درآمد داشته باشی؟ باهامون تماس بگیر