ناقش الطالب (حسين عبد الامير عباس ) من طلبة الدراسات العليا - الدكتوراه وفي قاعة المؤتمرات في كلية تكنولوجيا المعلومات يوم الخميس المصادف 27 / 10 / 2022 لرسالته الموسومة
Data Stream Mining Using an Evolving Intelligent System
حيث ان معظم تطبيقات العالم الحقيقي قادرة على توليد دفق البيانات. دفق البيانات لها خصائص فريدة و مشاكل مختلفة كما أنها تتغير بمرور الوقت. يتم تقديم النظام المتطور كحل مناسب للتغلب على مشكلات التنقيب في دفق البيانات بسبب القدرة على تغيير هيكله وفقًا لتغيير سلوك البيانات. لذلك، تقدم هذه الرسالة نظامًا ذكيًا متطورًا يعتمد على تقنية التجميع لحل بعض مشاكل التنقيب في دفق البيانات.
في النظام المقترح، يتم تطبيق خوارزمية كوشي المتطورة (e-Cauchy). على الرغم من أن هذه الخوارزمية هي خوارزمية ناجحة لتجميع دفق البيانات، إلا أنها تعاني من العدد الكبير من المجموعات المتولدة، لذلك تم تطوير هذه الخوارزمية للتغلب على هذا القيد. علاوة على ذلك، فإن مشكلة التجميع العامة هي التقييم، والذي يتم حله باستخدام طريقة التعلم العميق وهذا يعني أنه يتم استخدامه كمقيم خارجي. ومع ذلك، فإن هذه الطريقة تزيد من دقة الشبكة وتضمن استقرارها من خلال تدريب الشبكة بقيمة معدل تعلم غير ثابت (ديناميكي). وفقًا لذلك ، يتكون النظام المقترح من نموذجين، نموذج التعلم العميق (وضع الاتصال) ونموذج التجميع المتطور (وضع غير متصل).
يهدف النظام المقترح إلى اتخاذ قرار مبني على قواعد غامضة يتغير بمرور الوقت لتعيين عينة دفق البيانات إلى الفئة بدقة. بالإضافة إلى ذلك، فإن النظام المقترح قادر على اكتشاف عينات البيانات الجديدة (التي لم يتم تدريبها مسبقًا) ومن ثم، إنشاء مجموعة جديدة.
عدد مجموعات البيانات المستخدمة لاختبار النظام المقترح هو أحد عشر مجموعة بيانات تدفق تم إنشاؤها من تطبيقات مختلفة مثل، أجهزة الاستشعار، أنظمة المراقبة والأجهزة وبمجالات متنوعة مثل الاستبيان، التعرف على السلوك والتعرف على النشاط البشري. علاوة على ذلك، تحتوي مجموعات البيانات هذه على بيئات مختلفة، تعقيدات مختلفة، وعدد مختلف من الميزات والفئات.
قياسات التقييم لهذا النظام هي: الدقة، الإِتقان، الاسترجاع، درجة F1 ومعامل الصورة الظلية. تراوحت الدقة، الإِتقان، الاسترجاع ودرجة F1 من 88.75? ، 88.74? ،88.75? و 88.74? إلى (100%، 100%، 100% و 100%). بينما تراوح معدل التحسن لمعامل الصورة الظلية من 0.28 الى 0.99 بين جميع مجموعات البيانات.