يك استراتژي جديد مديريت حافظه براي تشخيص كارآمد تكامل مفهوم بر روي جريان داده ها

نوع: Type: پایان نامه

مقطع: Segment: کارشناسی ارشد

عنوان: Title: يك استراتژي جديد مديريت حافظه براي تشخيص كارآمد تكامل مفهوم بر روي جريان داده ها

ارائه دهنده: Provider: محمدیاسین عسگری - مهندسی کامپیوتر

اساتید راهنما: Supervisors: مرتضی یوسف صنعتی

اساتید مشاور: Advisory Professors: محرم منصوری زاده

اساتید ممتحن یا داور: Examining professors or referees: مهدی سخائی نیا و رضا محمدی

زمان و تاریخ ارائه: Time and date of presentation: ساعت 16 - 1404/6/15

مکان ارائه: Place of presentation: سمینار گروه کامپیوتر

چکیده: Abstract: در سال‌های اخیر شناسایی کلاس‌های نوظهور در جریان داده‌ها به‌عنوان یکی از چالش‌های مهم در حوزه یادگیری ماشین مطرح شده است. این مسئله به‌ویژه در محیط‌هایی با تغییرات سریع مفاهیم، اهمیت بالایی دارد. در این پایان‌نامه، یک چارچوب نوین برای شناسایی موثر کلاس‌های نوظهور ارائه شده است که بر مبنای خوشه‌بندی، عامل LOF و به‌روزرسانی مستمر مدل پایه عمل می‌کند. یکی از نوآوری‌های اصلی این پژوهش، طراحی و پیاده‌سازی یک راهبرد هوشمند برای حذف هدفمند داده‌های کم‌ارزش از میانگیر است؛ به‌طوری‌که ضمن افزایش کارایی، از افت دقت در تشخیص کلاس‌های نوظهور جلوگیری شود. در این روش، تنها نمونه‌هایی حذف می‌شوند که مقدار LOF آن‌ها پایین‌تر از آستانه مشخص شده باشد، زیرا این نمونه‌ها از منظر مدل، متعلق به کلاس‌های شناخته‌شده هستند و نقشی در فرآیند شناسایی کلاس نوظهور ایفا نمی‌کنند. چارچوب پیشنهادی با استفاده از مجموعه‌داده‌های استاندارد مانند Shuttle، KDDcup99 و PAMP مورد ارزیابی قرار گرفته و نتایج نشان می‌دهد که نسبت به روش‌های پیشین، عملکرد بهتری در کاهش نرخ خطا و شناسایی دقیق‌تر کلاس‌های نوظهور دارد. همچنین، در تحلیل نهایی مشخص شد که حذف هدفمند، اثر منفی کمتری بر معیارهای ارزیابی همچون Mnew، Fnew و Error دارد. در پایان نیز پیشنهاداتی برای بهبودهای آینده، از جمله چندبخشی‌سازی میانگیر و تنظیم خودکار آستانه‌ها، ارائه شده است.