اعلام جامعة بابل | اطروحة دكتوراه في كليةتكنولوجياالمعلومات تناقش"Stabilized Decayed-Very Fast Decision Tree"

اطروحة دكتوراه في كليةتكنولوجياالمعلومات تناقش"Stabilized Decayed-Very Fast Decision Tree"

نشر بواسطة : ضحى فاضل عباس

تاريخ الخبر : 31/10/2024 33:12:05 PM

عدد المشاهدات : 143

اطروحة دكتوراه في كلية تكنولوجيا المعلومات تناقش"Stabilized Decayed-Very Fast Decision Tree"

ضحى فاضل عباس
قسم البرمجيات في كلية تكنولوجيا المعلومات يناقش اطروحة دكتوراه " Stabilized Decayed-Very Fast Decision Tree for Stream Data Handling"
لطالبة الدكتوراه ( مريم حسين محمد بحر) و بإشراف (د. هديل نوري سعد ) في قسم البرمجيات . و ذلك في الساعة التاسعة من صباح يوم الخميس المصادف 31/10/2024 و على قاعة المؤتمرات في كلية تكنولوجيا المعلومات .

ناقشت الاطروحة ان أدى انتشار الأجهزة الذكية إلى توليد تدفقات بيانات هائلة ومستدامة وغير محدودة. إن الطبيعة غير المحدودة لتدفقات البيانات تمنع تحميلها بالكامل في الذاكرة، مما يقتضي معالجتها في الوقت الفعلي. تظهر التدفقات نمطيات غير ثابتة بسبب الانجراف المستمر في المفاهيم، مما يتطلب خوارزميات تتكيف بسرعة مع الظروف المتغيرة. علاوة على ذلك، يؤدي الانجراف المفاهيمي المصحوب بخلل في التوازن بين الفئات إلى تصنيفات غير دقيقة عالقة في نقاط الدنيا المحلية. تتطلب تقنيات التكرار التقليدية مثل SMOTE مجموعة البيانات بالكامل، وهو ما يعتبر غير عملي للبيانات المتدفقة.
تعتبر أشجار القرار المعروفة بهوفدينغ شائعة في تعدين التدفقات نظرًا لقدرتها على اتخاذ قرارات تقسيم واثقة دون الحاجة لتخزين الأمثلة. ومع ذلك، لا يمكن لأشجار القرار التقليدية التعامل بفعالية مع التدفقات اللامتناهية. لقد حسنت شجرة القرار السريعة جدًا (VFDT)، وامتداداتها مثل شجرة القرار السريعة جدًا لتكييف المفاهيم (CVFDT)، والشجرة التكيفية لهوفدينغ (HAT) القدرة على التكيف مع الانجراف المفاهيمي لكنها لا تزال تواجه تحديات مع البيانات غير المتوازنة.
تُعد بناء مصنّفات مستقرة للبيانات المتدفقة تحديًا نظرًا لقضايا مثل الضوضاء، والتكرار، والانجراف المفاهيمي، وتوزيع البيانات غير المتوازن. تتناول هذه الدراسة آثار الانجرافات المفاهيمية والبيانات غير المتوازنة في مهام التصنيف الثنائي. غالبًا ما تتجاهل تقنيات التصنيف التقليدية الأمثلة الأقل تكرارًا، مما يؤدي إلى نماذج منحازة. اقترحت هذه الدراسة مصنفًا جديدًا للتدفقات، يتكون من خوارزميات ADWIN3 و LD_CSMOTE الجديدة. تعتمد ADWIN3 على شجرة القرار التكيفية لهوفدينغ (HAT) وطريقة الكشف المبكر عن الانجراف (EDDM)، والتي تتكيف مع التدفقات غير الثابتة وغير المتوازنة، حيث تعالج الخوارزمية التباين والانجراف المفاهيمي بفعالية مع عدد أقل من إعادة بناء الأشجار الفرعية. بينما LD_CSMOTE (تكرار الأقل كثافة للتدفق المستمر للمجموعة الأقل تكرارًا لتصنيف السلاسل الزمنية غير المتوازنة) هو تقنية تكرار تستهدف العينات منخفضة الكثافة في الفئات الفرعية الأقل تكرارًا. تم تقييم المصنف من خلال اختبارات شاملة باستخدام مجموعة من مجموعات البيانات الاصطناعية والحقيقية، بما في ذلك تلك التي تحتوي على انجرافات مفاهيمية مفاجئة، وتدريجية، وتراكمية. شملت مجموعات البيانات Hyperplane، SEA، AGRAWAL، Electricity، Twitter، وAir Lines. أظهرت نتائجنا أن خوارزميات ADWIN3 و LD_CSMOTE تفوقت باستمرار على الأساليب التقليدية مثل HAT و CSMOTE، خصوصًا في بيئات بها توازن فئات كبير وانجراف مفاهيمي. على وجه التحديد، في حالة الانجراف التدريجي باستخدام مجموعة بيانات SEA، حقق LD_CSMOTE دقة بنسبة 85.23%، وKappa Statistic بنسبة 63.92، وF1 Score بنسبة 82.45%، مقارنةً بدقة C-SMOTE البالغة 83.60%، وKappa Statistic بنسبة 61.54، وF1 Score بنسبة 80.85%. بالنسبة للانجراف المفاجئ، حقق LD_CSMOTE دقة بنسبة 85.98%، وKappa Statistic بنسبة 65.72، وF1 Score بنسبة 83.33%، متفوقًا بشكل كبير على SMOCLUST الذي حقق دقة بنسبة 70.19%، وKappa Statistic بنسبة 37.50، وF1 Score بنسبة 69.38%.

ت	اسماء اعضاء لجنة المناقشة	اللقب العلمي	الاختصاص الدقيق	مكان العمل	المنصب
1	د. توفيق عبد الخالق عباس	استاذ	معالجة صورية	جامعة بابل / كلية تكنولوجيا المعلومات	رئيساً
2	د. وفاء محمد سعيد	استاذ	ذكاء اصطناعي	جامعة بابل / كلية تكنولوجيا المعلومات	عضوا
3	د. سرى زكي ناجي	استاذ مساعد	ذكاء اصطناعي و معالجة صورية	جامعة بابل / كلية تكنولوجيا المعلومات	عضوا
4	د. محسن حسن حسين	استاذ مساعد	ذكاء اصطناعي و تنقيب بيانات	جامعة كربلاء/ كلية علوم الحاسوب و تكنولوجيا المعلومات	عضوا
5	د. اسامة مجيد هلال	استاذ مساعد	معالجة صور	جامعة القادسية/ كلية علوم الحاسوب و تكنولوجيا المعلومات	عضوا
6	د. هديل نوري سعد	استاذ	شبكات	جامعة الكوفة / كلية التربية للبنات	عضوا و مشرفا