دانلود ترجمه مقاله استخراج و بهینه سازی قوانین انجمن فازی با استفاده از الگوریتم ژنتیکی (اسپرینگر ۲۰۰۸) (ترجمه ویژه – طلایی ⭐️⭐️⭐️)
این مقاله انگلیسی ISI در نشریه اسپرینگر در ۱۰ صفحه در سال ۲۰۰۸ منتشر شده و ترجمه آن ۲۳ صفحه میباشد. کیفیت ترجمه این مقاله ویژه – طلایی ⭐️⭐️⭐️ بوده و به صورت کامل ترجمه شده است.
دانلود رایگان مقاله انگلیسی + خرید ترجمه فارسی | |
عنوان فارسی مقاله: |
استخراج و بهینه سازی قوانین انجمن فازی با استفاده از الگوریتم ژنتیکی چند هدفه |
عنوان انگلیسی مقاله: |
Extraction and optimization of fuzzy association rules using multi-objective genetic algorithm |
|
مشخصات مقاله انگلیسی | |
فرمت مقاله انگلیسی | |
سال انتشار مقاله | ۲۰۰۸ |
تعداد صفحات مقاله انگلیسی | ۱۰ صفحه با فرمت pdf |
نوع مقاله | ISI |
نوع نگارش | THEORETICAL ADVANCES |
نوع ارائه مقاله | ژورنال |
رشته های مرتبط با این مقاله | مهندسی کامپیوتر |
گرایش های مرتبط با این مقاله | مهندسی الگوریتم ها و محاسبات، رایانش ابری، مهندسی نرم افزار |
چاپ شده در مجله (ژورنال) | کاربردها و آنالیز الگو – Pattern Analysis and Applications |
کلمات کلیدی | الگوریتم های ژنتیک چند منظوره، قوانین انجمنی فازی، خوشه بندی k-means فازی |
کلمات کلیدی انگلیسی | Fuzzy association rules – Multi-objective genetic algorithms – Fuzzy k-means clustering |
ارائه شده از دانشگاه | گروه مهندسی کامپیوتر، انستیتوی ملی فناوری کارناتاکا، هند |
نمایه (index) | Scopus – JCR |
نویسندگان | P. Santhi Thilagam، V. S. Ananthanarayana |
شناسه شاپا یا ISSN | ISSN ۱۴۳۳-۷۵۴۱ |
شناسه دیجیتال – doi | https://doi.org/10.1007/s10044-007-0090-x |
ایمپکت فاکتور(IF) مجله | ۲٫۱۴۶ در سال ۲۰۱۹ |
شاخص H_index مجله | ۵۱ در سال ۲۰۲۰ |
شاخص SJR مجله | ۰٫۴۱۹ در سال ۲۰۱۹ |
شاخص Q یا Quartile (چارک) | Q2 در سال ۲۰۱۹ |
بیس | نیست ☓ |
مدل مفهومی | ندارد ☓ |
پرسشنامه | ندارد ☓ |
متغیر | ندارد ☓ |
رفرنس | دارای رفرنس در داخل متن و انتهای مقاله ✓ |
کد محصول | ۱۰۷۴۸ |
لینک مقاله در سایت مرجع | لینک این مقاله در سایت Springer |
نشریه اسپرینگر |
مشخصات و وضعیت ترجمه فارسی این مقاله | |
فرمت ترجمه مقاله | pdf و ورد تایپ شده با قابلیت ویرایش |
وضعیت ترجمه | انجام شده و آماده دانلود |
کیفیت ترجمه | ویژه – طلایی ⭐️⭐️⭐️ |
تعداد صفحات ترجمه تایپ شده با فرمت ورد با قابلیت ویرایش | ۲۳ صفحه (۱ صفحه رفرنس انگلیسی) با فونت ۱۴ B Nazanin |
ترجمه عناوین تصاویر و جداول | ترجمه شده است ✓ |
ترجمه متون داخل تصاویر | ترجمه شده است ✓ |
ترجمه متون داخل جداول | ترجمه شده است ✓ |
درج تصاویر در فایل ترجمه | درج شده است ✓ |
درج جداول در فایل ترجمه | درج شده است ✓ |
درج فرمولها و محاسبات در فایل ترجمه | به صورت عکس درج شده است ✓ |
منابع داخل متن | به صورت عدد درج شده است ✓ |
منابع انتهای متن | به صورت انگلیسی درج شده است ✓ |
فهرست مطالب |
چکیده ۱ معرفی ۲ کارهای پیشین ۳ شرح مساله ۴ کاوش قواعد انجمنی فازی ۴-۱ طرح ۴-۲ راه حل ۵ نتایج ۵-۱ تشخیص نفوذ ۶ نتیجه |
بخشی از ترجمه |
چکیده کاوش قوانین انجمنی یکی از مهمترین حوزه های داده کاوی بوده و توجه بسیاری در مطالعات مختلف کسب کرده است. کاوش قوانین انجمنی یک عمل محاسباتی و ورودی/خروجی فشرده میباشد. در این مقاله، یک روش برای کاوش قوانین انجمنی فازی بهینه سازی شده با ترتیب های مختلف ارائه شده است. همچنین روشی برای تعریف توابع عضویت برای تمامی ویژگی های پیوسته در یک پایگاه داده با استفاده از تکنیک های خوشه بندی پیشنهاد میگردد. هرچند الگوریتمهای ژنتیک تک منظوره به طور گسترده مورد استفاده قرار میگیرند، اما راه حل مسائل مختلف را به انحطاط می کشانند. در روش پیشنهادی، استخراج و بهینه سازی قوانین انجمنی فازی بطور همزمان با استفاده از الگوریتم ژنتیک چند منظوره با در نظر گرفتن اهدافی از قبیل پشتیبانی فازی، اطمینان فازی و طول قاعده اجرا می گردد. اثربخشی روش پیشنهادی با استفاده از مجموعه داده فعالیت های کامپیوتر جهت تجزیه و تحلیل عملکرد یک سیستم چند پردازنده ای و داده های شبکه برای تشخیص نفوذهای غیرعادی آزمایش شده است. آزمایشها نشان می دهند که روش ارائه شده در اکثر حالات کارآمد می باشد.
۱- معرفی کشف قوانین انجمنی در پایگاه داده های بزرگ از زمان معرفی آن، به نقطه تمرکز بسیاری از مقالات پژوهشی تبدیل شده است [۱]. ساختار یک قاعده انجمنی در قالب یک رابطه بین مجموعه مقادیر ویژگی های (A→B) در یک پایگاه داده درپروپوزال های اولیه است. هر قاعده دارای دو معیار پشتیبانی و اطمینان می باشد. اطمینان یک معیار برای سنجش قدرت قاعده است، در حالی که پشتیبانی معنای آماری دارد.
۶- نتیجه در این مقاله، یک راه حل برای استخراج قوانین انجمنی فازی از لحاظ واژگان زبانی ارائه شده است. بر خلاف روش های دیگر که توابع عضویت را مبتنی بر شهود تعریف میکنند، رویکرد پیشنهادی، روش خوشه بندی فازیk-means برای محاسبه توابع عضویت فازی را بکار میگیرد. همچنین از اختلاف معدل برای یافتن صفات بارز به منظور تولید قوانین اولیه استفاده میشود. از ویژگی های مهم این روش استفاده از MOGA برای استخراج قوانین است. MOGA مجموعه ای از راه حل های بهینه را با در نظر گرفتن پشتیبان و اطمینان فازی به عنوان اهداف پیدا میکند. |
بخشی از مقاله انگلیسی |
Abstract Association Rule Mining is one of the important data mining activities and has received substantial attention in the literature. Association rule mining is a computationally and I/O intensive task. In this paper, we propose a solution approach for mining optimized fuzzy association rules of different orders. We also propose an approach to define membership functions for all the continuous attributes in a database by using clustering techniques. Although single objective genetic algorithms are used extensively, they degenerate the solution. In our approach, extraction and optimization of fuzzy association rules are done together using multi-objective genetic algorithm by considering the objectives such as fuzzy support, fuzzy confidence and rule length. The effectiveness of the proposed approach is tested using computer activity dataset to analyze the performance of a multi processor system and network audit data to detect anomaly based intrusions. Experiments show that the proposed method is efficient in many scenarios.
۱- Introduction The discovery of association rules in large databases has been the focus of a number of research papers since its introduction [1]. The structure of an association rule is in the form of a relationship between valuesets of attributes (A ) B) in a database in the early proposals. Each rule has two measurements, support and confidence. Confidence is a measure of the rule’s strength, while support corresponds to statistical significance.
۶- Conclusion In this paper, we proposed a solution approach for extracting fuzzy association rules in terms of linguistic terms. Unlike other methods which define membership functions based on intuition, our approach uses the fuzzy k-means clustering for calculating fuzzy membership functions. We have used adjusted difference for finding the interestingness among the attributes in order to generate the initial rules. The important feature of this approach is that it uses MOGA for extracting the rules. MOGA finds the set of trade off optimal solutions by considering fuzzy support and fuzzy confidence as objectives. |
تصویری از مقاله ترجمه و تایپ شده در نرم افزار ورد |
دانلود رایگان مقاله انگلیسی + خرید ترجمه فارسی | |
عنوان فارسی مقاله: |
استخراج و بهینه سازی قوانین انجمن فازی با استفاده از الگوریتم ژنتیکی چند هدفه |
عنوان انگلیسی مقاله: |
Extraction and optimization of fuzzy association rules using multi-objective genetic algorithm |
|