تشخيص آخرين- مهمترين روند غالب داده در مجموعه داده هاي آفلاين با توزيع پواسون

Detecting last-most important trend in offline poisson based data

روش هاي تشخيص تغييرات روند خط سير داده ها را در يك مجموعه داده پيدا مي كنند. تجزيه و تحليل مجموعه داده هاي مبتني بر توزيع پوآسون بسيار مهم است زيرا كاربردهاي بسيار متنوعي مانند شبكه هاي كامپيوتري از آنها تقليد مي كنند. مدل كاربرد استفاده شده در اين مقاله شبيه ساز شبكه هاي كامپيوتري هستند. آخرين- مهمترين روند غالب در مجموعه داده هاي سري زماني روند غالبي است كه داده ها با آن تمام مي شوند. روش ما تشخيص تغيير روند مبتني بر ماتريس است كه مي توان مجموعه داده هايي با اندازه ي متغير را بررسي كند. كاهش پيچيدگي زماني و افزايش دقت اهداف روش پيشنهادي مي باشد. روش پيشنهادي با RuLSIF كه يكي از روش هاي پايه اي تشخيص نقطه ي تغيير است، مقايسه شده تا مزاياي رويكرد خود را نشان دهيم.

Chang point detection methods find data points in a a series of data. Datasets based on Poisson distribution are used in different applications suc has computer networks. We use these distribution to find the last and most important change point in each dataset which can help to separate dataset to subsets. R time complexity and accuracy are our goals to improve .