کشف و یادگیری پدیده های استثنایی با بکارگیری تئوری استثنائات و رضایتمندی

منطق یادگیری از استثنائات چالش مهمی در حیطه داده کاوی و کشف دانش است. در این پژوهش بر اساس تئوری استثنائات و رضایتمندی، الگویی نوین برای بهبود شایان توجه میزان اعتماد و اطمینان به کشف و یادگیری از استثنائات ارائه می شود. ابتدا به کمک رویکرد تلفیقی پیشنهادی بر اساس تئوری استثنائات، حدود رفتار نرمال و استثنایی داده ها مشخص می شود و پس از آن با به کارگیری تئوری رضایتمندی، راه حل های رضایت بخش به دست می آید. استخراج دانش از داده های نرمال و استثنایی به کمک رویکرد یادگیری پایین به بالا و به کارگیری الگوریتم پیشنهادی RISE ارتقایافته صورت می گیرد. به منظور تعیین کارایی الگوی پیشنهادی، کشف سهام استثنایی در پایگاه اطلاعاتی بازار بورس ایران هدف قرار گرفت. برتری نتایج روش پیشنهادی با نتایج به دست آمده از به کارگیری سایر الگوریتم های داده کاوی، روزنه ای برای توجه به رویکرد پیشنهاد شده است. همچنین با بهره مندی از شاخص g-means میزان دقت این روش سنجیده شد. نتایج نشان داد روش پیشنهادشده از قابلیت شناسایی و یادگیری از داده های استثنایی برخوردار است.