T10.I2.D100k

T20.I6.D100k

نمودار ۴- ۴: مقایسه عملکرد الگوریتم‌های AprioriTid ، Apriori Hybrid و Apriori در آزمایش‌های مختلف
۴-۳-۲- F-Trade: یک سیستم کاوش عامل برای سرویس‌های مالی

(( اینجا فقط تکه ای از متن درج شده است. برای خرید متن کامل فایل پایان نامه با فرمت ورد می توانید به سایت feko.ir مراجعه نمایید و کلمه کلیدی مورد نظرتان را جستجو نمایید. ))

F-Trade مخفف عبارت Financial Trading Rules Automated Development and Evaluation به معنای توسعه و ارزیابی اتوماتیک قوانین تبادلات مالی است، که یک زیرساخت سازمانی اتوماتیک بر مبنای وب برای استراتژی‌های تجاری و داده‌کاوی بر روی داده‌های سرمایه یا سهم بازار است. این سیستم، سرویس‌های ارتباطات، مدیریت، و پردازش داده ارائه می‌دهد. F-Trade از رقابت اتوماتیک آنلاین، و ساخت واسط ورودی یا خروجی اتوماتیک، برای سیگنال‌ها و قوانین تجاری، و الگوریتم‌های داده‌کاوی، منابع داده، و کامپوننت‌های سیستم پشتیبانی می‌کند. این سیستم، پشتیبانی انعطاف‌پذیر و قدرتمندی را برای تست آنلاین^[۴۲]، آموزش یا تست، بهینه‌سازی و ارزیابی استراتژی‌ها و الگوریتم‌های داده‌کاوی فراهم می‌آورد. کاربران می‌توانند به سیستم متصل شوند، مشترک شوند، و استراتژی‌های تجاری و الگوریتم‌های داده‌کاوی را به صورت مشارکت انسان- ماشین مورد نظارت و بهینه‌سازی قرار دهند.
F-Trade در Java agent services بر روی سیستم عامل‌های ویندوز، لینوکس، و یونیکس ساخته شده است. از XML برای پیکربندی سیستم و مدیریت متادیتا استفاده شده است. یک سوپر- سرور به عنوان سرور برنامه عمل می‌کند، و دیگری به عنوان انبار داده. این سیستم به گونه‌ای ساخته شده که ارتباطات آنلاین با منابع داده توزیع شده همچون منابع داده خاص کاربر دارد.
نقش‌های اصلی عامل‌ها در سیستم F-Trade شامل معماری بر پایه‌ی سرویس با بهره گرفتن از عامل، ارتباطات متقابل انسانی بر پایه‌ی عامل، عامل برای مدیریت منابع داده، جمع‌ آوری داده و ارسال عامل‌ها به منابع داده، الگوریتم‌های داده‌کاوی و استراتژی‌های تجاری بر پایه‌ی عامل، عامل و پیشنهاد دهنده‌ی سرویس که الگوریتم‌ها و قوانین مناسب را برای کاربران فراهم می‌اورد، و غیره است. داده‌کاوی از چند جهت به سیستم کمک می‌کند، از قبیل عامل‌های پیشنهاد دهنده‌ی الگوریتم یا قانون‌های تجاری بر پایه‌ی داده‌کاوی، سرویس‌دهی کاربر بر پایه‌ی داده‌کاوی، بهینه‌سازی عامل تجاری بر پایه‌ی داده‌کاوی، قوانین تجاری کاوش در مجموعه جامع الگوهای تجاری، تصحیح پارامتر عامل‌های الگوریتم از طریق داده‌کاوی، و غیره. مباحث مشترک شامل نمایش دانش دامنه بر پایه‌ی آنتولوژی، درگیر شدن انسان‌ها و ارتباطات متقابل انسان با الگوریتم‌ها بر پایه‌ی عامل‌ها، و سیستمی برای نظارت بر الگوریتم، بهینه‌سازی و ارزیابی.
با این زیرساخت، تاجران مالی و محققان، و داده‌کاوان مالی می‌توانند الگوریتم‌هایشان را وارد سیستم‌ کنند و بر روی بهبود کارایی آن‌ها متمرکز شوند و توسط حجم عظیم داده‌های واقعی از بازارهای بین‌المللی، ارزیابی کنند. سرویس های سیستم شامل این موارد می‌شود: ۱) پشتیبانی از سرویس‌های تجاری، ۲) پشتیبانی از سرویس‌های کاوش، ۳) پشتیبانی از سرویس‌های داده، ۴) پشتیبانی از سرویس‌های الگوریتم، و ۵) پشتیبانی از سرویس‌های سیستم. هر کامپوننت سیستم، از طریق شمای XML ارتباط برقرار می‌کند که جزئیات کامپوننت‌ها را مشخص می‌کند و به عامل‌ها اجازه‌ی آزمایش و استفاده از آن‌ها را می‌دهد.

شکل ۴- ۸: چارچوب F-Trade
۴-۳-۳- داده‌کاوی چند منبع بر پایه‌ی عامل
برنامه‌های داده‌کاوی سازمانی، اغلب از منابع داده متعدد استفاده می‌کنند که توزیع شده و ناهمگن هستند و یکپارچه‌سازی آن‌ها هزینه‌بر است. عامل‌های داده‌کاوی که هر کدام برای الگوریتم‌های خاصی طراحی شده‌اند بر روی کاوش الگوهای محلی در هر منبع داده‌ی مجزا تمرکز می‌کنند، و سایر عامل‌های هماهنگ کننده با یکدیگر در ارتباطند تا کاوش الگوی توزیع شده را سازماندهی کنند، و عامل‌های ادغام الگو، عمل تجمیع الگوهای محلی و ایجاد الگوهای کلی را کنترل می‌کنند.
به عنوان مثال، در شکل زیر اصول اساسی کاوش ترکیبی چند منبع در چارچوب MSCM-AKD^[43] نشان داده شده است. سیستم می‌تواند توسط عامل‌ها پیاده‌سازی شود. همانطور که در شکل ۴-۹ می‌بینید، این سیستم می‌تواند شامل عامل‌های زیر باشد:
شکل ۴- ۹: چارچوب MSCM-AKD
عامل‌های مدیریت منابع داده: کنترل کننده‌های داده و هماهنگ کننده‌های داده، که مسئولیت مدیریت ارتباطات مجموعه‌های داده، قسمت‌بندی داده‌ها و ارسال کاراهای داده‌کاوی به مجموعه‌های داده را به عهده دارند. در یادگیری سازگار، کنترل کننده‌های تغییر داده توسعه می‌یابند تا تغییرات مهم داده را کنترل کنند.
عامل‌های داده‌کاوی محلی: داده‌کاوان m₁ تا m_N به منظور انجام دادن عملیات کاوش بر روی مجموعه‌های داده DB₁ تا DB_N.
عامل‌های هماهنگ کننده داده‌کاوی: وظیفه‌ی این عامل‌ها، هماهنگ کردن زمانبندی کاوش الگوی محلی توسط داده کاوان بر روی هر مجموعه‌ی داده است. آن‌ها این کار را برحسب یک پروتکل خاص، که می‌تواند یک دستور از قبل تعریف شده یا تصمیمی که بصورت پویا گرفته شده باشد، انجام می‌دهند. وظیفه‌ی دیگر این عامل، کنترل حالت اجرای یک داده‌کاو و سپس اطلاع دادن به سایرین برای شروع کاوش الگو است.
عامل‌های مدیریت مجموعه الگوی محلی: عامل‌های مدیریت الگوی محلی به مدیریت الگوهای محلی تولید شده توسط