روش کلاسه بندی بر اساس مجموع الگوهای نوظهور CAEP[1][21] از آنجایی که الگوهای نوظهور، دانش تمایز بین کلاس های مختلف را نشان می دهد، آنها در ایجاد کلاسه بندی دقیق بسیار موثر هستند. کلاسه بند های بر پایه الگوهای نوظهور قدرت مجموع الگوهای نوظهور را برای کلاسه بندی یک نمونه تست بکار می گیرد. Dong […]
در مقایسه با قوانین انجمنی، الگوهای نوظهور قادر هستند که تمایلات نوظهور[1] در مجموعه داده های با محدودیت زمانی[2] را استخراج کنند و یا تمایزات مفید بین کلاس های مختلف را کشف نمایند [1]. مطالعه و پژوهش در رابطه با الگوهای نوظهور اساسا به دو دسته قابل تقسیم است؛ الگوریتم های استخراج الگوهای نوظهور و
هدف از کلاسه بندی قوانین استخراجی، استخراج کردن مجموعه کوچکی از قوانین است تا یک کلاسه بند دقیق ساخته شود. الگوریتم های استخراج قانون مانند Apriori [61] و FPgrowth [15، 16] بکار گرفته می شوند تا مجموعه کاملی از الگوها استخراج شوند. سپس مجموعه کوچکی از قوانین با کیفیت بالا انتخاب می شوند که برای
در داده های جریانی[1]، نمونه ها به مرور زمان دریافت می شوند در حالیکه تعداد ویژگی ها ثابت می باشد. اما در ویژگی های جریانی، تعداد داده های یادگیری ثابت می باشد ولی ویژگی ها بصورت دینامیک تولید می شوند و الگوریتم یادگیری به مرور زمان ویژگی ها را دریافت می دارد [31، 32]. در
مفهوم الگوهای نوظهور برای استخراج دانش از پایگاه داده ها توسط Dong و Li پیشنهاد شده است تا تغییرات قابل توجه بین کلاس ها را به تصویر بکشند [1]. یک الگوی نوظهور، ترکیب عطفی بین ویژگی هایی است که میزان احتمال حضور آن در یک کلاس نسبت به دیگر کلاس ها بطور قابل توجهی تغییر
کلاسه بندی[1] یکی از وظایف اساسی در داده کاوی[2] است که بطور وسیعی در زمینه یادگیری ماشین[3]، شبکه های عصبی[4] و تشخیص الگو[5] مورد مطالعه واقع شده است. ورودی، مجموعه ای از نمونه های آموزشی[6] است که شامل چندین ویژگی[7] است. ویژگی ها با توجه به دامنه مقادیرشان به دو دسته ویژگی های گسسته[8] و
تاریخچه هوش مصنوعی توانایی یادگیری منحصر به سیستم‌های زنده نیست بلکه در مدل‌های شبکه عصبی نیز قابل دسترس است. گرچه مفهوم یادگیری ماشین برخلاف باورهای معمول ما از کامپیوترها است، زیرا اغلب فرض می‌شود که کامپیوترها تنها قادر به اعمالی هستند که برایشان برنامه ریزی شده است و خود توانایی تطبیق با محیط را ندارند.
2-2-1- حسون معمولي(Bloch, 1795) Saurida tumbil خانواده: كيجار ماهيان نام فارسي: حسون معمولي مشخصات: – بدن كشيده و لوله‌اي شكل. – چندين رديف دندان در هر دو فك كه حتي هنگام بسته بودن دهان قابل رويت هستند. – يك تكه كوچك از دندانها روي استخوان تيغه مياني بيني. – درازترين شعاع باله پشتي 4 برابر
خلیج‌فارس بین 24 تا 30 درجه و 30 دقیقه عرض شمالی و 48 تا 65 درجه و 30 دقیقه طول شرقی از نصف النهار گرینویچ قرار گرفته است. طول خلیج‌فارس بیش از 900 کیلومتر و میانگین پهنای آن حدود 240 کیلومتر است. عریض‌ترین قسمت آن 400 کیلومتر و كم عرض‌‌ترین نقطه آن (تنگه هرمز) حدود
پیاده سازی یک سیستم ERP از فعالیت هایی است که عموماً چالش برانگیز است. از یکسو بازه زمانی فرآیند پیاده سازی ممکن است از یک تا پنج سال بطول بیانجامد و از سویی دیگر سازمان در این فرآیند با عوامل متعددی مواجه شود که اگر نتواند بدرستی آن ها را هماهنگ سازد، ممکن است به