دسته بندي داده هاي جرياني فازي با استفاده از تحليل پوششي داده ها

Fuzzy Streaming Data Classification Using Data Envelopment Analysis

در اين تحقيق يك روش دسته بندي داده هاي غيرقطعي از نوع فازي كه از جمله چالش برانگيزترين حوزه هاي تحليل داده محسوب مي شود، ارائه شده است. در واقع حجم بالا و پيچيدگي روش هاي تحليل داده مانع از توسعه روش هايي جهت تحليل داده هاي فازي مي شود. با اين حال در برخي حوزه هاي ديگر همچون برنامه ريزي رياضي پيشرفت هاي چشمگيري در مدل سازي سيستم هايي كه داده هاي فازي از آنها در اختيار است، بدست آمده است و لذا توجهات به سمت بهره گيري از اين فرصت در سال هاي اخير جلب شده است. به منظور بهره برداري از يافته هاي تحقيقاتي پيرامون مدلهاي رياضي فازي، در اين تحقيق يك روش جديد دسته بندي داده هاي فازي مبتني بر تحليل پوششي داده زماني كه داده ها به صورت جرياني وارد مي شوند، ارائه مي شود. روش پيشنهادي مي تواند با استفاده از به هنگام سازي معيارهايي پيش بيني دسته ي داده هاي فازي به دسته بندي داده هايي بپردازد كه در طول زمان تغييراتي در الگوي رفتاري آنها بوجود مي آيد. روش جديد توسط داده هاي شبيه سازي شده مورد آزمون قرار گرفته و نتايج نشان دهنده ي قابليت اين روش در مواجه با شرايط غيرقطعي و متغير است.

In this research, a new fuzzy streaming data classification method is presented. Fuzzy data classification is one of the most challenging areas in data analysis due to high-volume and sophisticated computation engaged in data analysis techniques. However, in some other areas such as mathematical programming, great achievements are obtained in modeling of systems measured by fuzzy data. So, in this research classification based on data envelopment analysis (DEA) is selected to handle fuzzy data classification. On the other hand, the proposed method can be applied for dealing with streaming data by using an updating schema. This feature makes the proposed method suitable for non-stationary environment in which data pattern varies over the time. Experiments using simulated data demonstrate the capability of the proposed method in dealing with uncertain and non-stationary environment