بررسی الگوریتم های knn و loop برای کشف داده های نامتعارف و امکان توسعه آن ها به حالت فازی

از مهم¬ترین مباحث در داده¬کاوی بحث تشخیص داده¬های ناسازگار است که روش¬های متنوعی برای تشخیص این داده¬ها پیشنهاد شده است. مهم¬ترین این روش¬ها، روش¬های مبتنی بر مجاورت (نزدیکی) هستند. که به دو دسته¬ی، روش¬های مبتنی بر فاصله و مبتنی بر تراکم تقسیم می¬شوند. برخی از کاربردهای این دو روش و روش¬های مشابه آن در مسائل دنیای واقعی برای کشف رویدادهای نادر، انحراف از اکثریت یا موارد استثنایی است؛ به عنوان مثال تشخیص فعالیت¬های جنایی در تجارت الکترونیکی، کشف اختلاس و سوء استفاده از کارت¬های اعتباری نمونه¬ای از این کاربردها است. در این پایان¬نامه یک روش از دسته روش¬های مبتنی بر فاصله و روشی دیگر مبتنی بر تراکم شرح داده شده¬اند. الگوریتم¬های این دو روش بر روی یک مجموعه داده قطعی از بیماران سرطانی پیاده سازی شده، و با مقایسه نتایج حاصل، به بیان نقاط ضعف و قوت این دو روش، و مقایسه آن¬ها پرداخته شده است. نظر به گسترش کاربرد اعداد فازی، در مباحث مرتبط با داده¬کاوی شناسایی داده¬های ناسازگار در یک مجموعه از اعداد فازی از اهمیت ویژه¬ای برخوردار است. بنابراین در این پایان نامه فعالیتی پژوهشی برای گسترش دو روش قطعی ذکر شده جهت تشخیص داده¬های ناسازگار در مجموعه¬ای عظیم از داده¬های فازی با ابعاد بالا توسط مترهای فازی هاسدورف و ورتکس صورت گرفته است. از این رو، ابتدا بر پایه¬ی این مترها به شناسایی داده¬های یک بعدی فازی با استفاده از روش¬های knn و loop پرداخته شده است. آن¬گاه پس از معرفی معیاری برای اندازه¬گیری فاصله بین دو نقطه فازی چند بعدی، دو روش تعمیم یافته مذکور برای تشخیص داده¬های ناسازگار فازی ارائه شده است و سپس این دو روش برای برخی حالت¬های مجموعه داده¬های فازی پیاده¬سازی شده است.