datamining

تشخیص ناهنجاری با استفاده از تکنیکهای داده کاوی

تشخیص ناهنجاری با استفاده از تکنیکهای طبقه بندی در داده کاوی

در ﺳﺎلﻫﺎي اﺧﯿﺮ، ﺗﻌﺪاد ﮐﺎﻣﭙﯿﻮﺗﺮﻫﺎي ﺷﺨﺼﯽ و ﻣﯿﺰان اﺳﺘﻔﺎده از اﯾﻨﺘﺮﻧﺖ اﻓﺰاﯾﺶ ﯾﺎﻓﺘﻪ اﺳﺖ. زﻧﺪﮔﯽ ﻣﺮدم ﺑﻪ ﺗﺪرﯾﺞ در ﺣﺎل ﺗﻐﯿﯿﺮ اﺳﺖ و اﮐﺜﺮﯾﺖ اﻓﺮاد ﺑﻪ ﻣﻄﺎﻟﻌﻪ ﮐﺮدن، از ﻧﻮﺧﻠﻖ ﮐﺮدن، ﺑﺮﻗﺮاري ارﺗﺒﺎط و ﺧﺮﯾﺪ از اﯾﻨﺘﺮﻧﺖ ﻣﯽﭘﺮدازﻧﺪ. ﻋﻼوه ﺑﺮ ﻣﺮدم ﻋﺎدي، ﺳﺎﺧﺘﺎر ﺷﺮﮐﺖﻫﺎ و ﺣﺎﻟﺖ ﮐﺴﺐ و ﮐﺎر ﻧﯿﺰ دﺳﺘﺨﻮش ﺗﺤﻮل ﺷﺪه و ﺷﺮﮐﺖﻫﺎي ﺑﺰرگ و ﯾﺎ دوﻟﺖ و ﺳﺎزﻣﺎنﻫﺎ ﺑﻪ ﺗﻮﺳﻌﻪ ﺑﺴﯿﺎري از ﻧﺮماﻓﺰارﻫﺎ و آﯾﺘﻢﻫﺎي راﺣﺖ در اﯾﻨﺘﺮﻧﺖ ﭘﺮداﺧﺘﻪاﻧﺪ. اﯾﻦ ﯾﮏ ﺗﻤﺎﯾﻞ ﻏﯿﺮ ﻗﺎﺑﻞ ﻣﻘﺎوﻣﺖ در ﻋﺼﺮ ﺟﺪﯾﺪ ﻣﯽﺑﺎﺷﺪ. ﺑﻪ ﻫﺮﺣﺎل ﻫﺮﭼﻨﺪ اﯾﻨﺘﺮﻧﺖ راﺣﺘﯽ ﺑﻪ ارﻣﻐﺎن ﻣﯽآورد وﻟﯽ در ﻧﺘﯿﺠﻪ آن ﻣﺸﮑﻞ اﻣﻨﯿﺖ اﻃﻼﻋﺎت ﺑﻪ وﺟﻮد ﻣﯽآﯾﺪ، ﺑﻪ ﻋﻨﻮان ﻣﺜﺎل ﻣﻤﮑﻦ اﺳﺖ ﺳﺮور ﻣﻮرد ﺣﻤﻠﻪ ﻗﺮار ﮔﺮﻓﺘﻪ، دادهﻫﺎي داﺧﻠﯽ و اﻃﻼﻋﺎت آن ﺑﻪ ﺳﺮﻗﺖ ﻣﯽرود. در ﻣﻮاردي ﻣﻤﮑﻦ اﺳﺖ ﺿﺮر و زﯾﺎن ﺑﺰرگ در ﭘﻮل وﮐﺴﺐوﮐﺎر اﯾﺠﺎد ﺷﻮد. ﺑﻪ ﻣﻨﻈﻮر ﺟﻠﻮﮔﯿﺮي از اﯾﻦ ﺣﻤﻼت در ارﺗﺒﺎﻃﺎت ﺷﺒﮑﻪ اي و ﻣﺒﺘﻨﯽ ﺑﺮ اﯾﻨﺘﺮﻧﺖ، ﺳﯿﺴﺘﻢ ﺗﺸﺨﯿﺺ ﻧﻔﻮذ مورد اﺳﺘﻔﺎده ﻗﺮار ﻣﯽﮔﯿﺮد. ﺳﯿﺴﺘﻢ ﺗﺸﺨﯿﺺ ﻧﻔﻮذ ﺑﻪ ﺗﺠﺰﯾﻪ و ﺗﺤﻠﯿﻞ اﯾﻨﮑﻪ آﯾﺎ ﺣﻤﻼت ﻣﻤﮑﻦ اﺳﺖ رخ دﻫﺪ ﻣﯽﭘﺮدازد و در ﺻﻮرت ﻟﺰوم ﻗﺒﻞ از اﯾﺠﺎد ﺣﻤﻠﻪ اﻋﻼم ﻫﺸﺪار ﻣﯽﮐﻨﺪ. روشﻫﺎي ﺗﺸﺨﺺ ﻧﻔﻮذ و ﺑﻪ ﮐﺎرﮔﯿﺮي آﻧﻬﺎ ﻣﯽﺗﻮاﻧﺪ از وﻗﻮع اﯾﻦ ﺣﻤﻼت ﺟﻠﻮﮔﯿﺮي ﮐﻨﺪ. ﻧﺎﻫﻨﺠﺎريﻫﺎ، اﻟﮕﻮﻫﺎﯾﯽ در ﻣﺠﻤﻮﻋﻪ دادهﻫﺎ ﻫﺴﺘﻨﺪ ﮐﻪ ﺑﺎ ﯾﮏ رﻓﺘﺎر ﻃﺒﯿﻌﯽ ﺗﻌﺮﯾﻒ ﺷﺪه ﻣﻄﺎﺑﻘﺖ ﻧﺪارﻧﺪ. ﻋﻠﺖ ﻧﺎﻫﻨﺠﺎري ﻣﻤﮑﻦ اﺳﺖ ﯾﮏ ﻓﻌﺎﻟﯿﺖ ﻣﺨﺮب و ﯾﺎ ﻧﻮﻋﯽ ﻧﻔﻮذ ﺑﺎﺷﺪ. ﺳﯿﺴﺘﻢ ﺗﺸﺨﯿﺺ ﻧﻔﻮذ ﺑﻪ ﻋﻨﻮان ﯾﮑﯽ از اﺑﺰار ﺑﺮﻗﺮاري اﻣﻨﯿﺖ دادهﻫﺎ، ﺑﺮاي ﺗﻘﻮﯾﺖ اﻣﻨﯿﺖ ﺳﯿﺴﺴﺘﻢﻫﺎي ارﺗﺒﺎﻃﺎت و اﻃﻼﻋﺎت اراﺋﻪ ﺷﺪه اﺳﺖ ﺗﺎ اﯾﻦ ﻧﺎﻫﻨﺠﺎريﻫﺎ را ﺗﺸﺨﯿﺺ داده و در ﻣﻮاﻗﻊ ﻻزم ﻫﺸﺪارﻫﺎﯾﯽ را اﯾﺠﺎد ﮐﻨﺪ. اﯾﻦ ﺳﯿﺴﺘﻢﻫﺎ ﺷﺒﯿﻪ ﺑﻪ ﻧﺮم اﻓﺰارﻫﺎي آﻧﺘﯽ وﯾﺮوس، ﻓﺎﯾﺮوالﻫﺎ و ﺑﺮﻧﺎﻣﻪﻫﺎي ﮐﻨﺘﺮل دﺳﺘﯽ ﻣﯽﺑﺎﺷﻨﺪ ﮐﻪ ﻣﯽﺗﻮاﻧﻨﺪ ﺑﻪ ﺻﻮرت ﯾﮏ ﺳﯿﺴﺘﻢ ﺗﺸﺨﯿﺺ ﻧﻔﻮذ ﻣﺒﺘﻨﯽ ﺑﺮ اﻣﻀﺎ، ﯾﮏ ﺳﯿﺴﺘﻢ ﺗﺸﺨﯿﺺ ﻧﻔﻮذ ﻣﺒﺘﻨﯽ ﺑﺮ ﻧﺎﻫﻨﺠﺎري، و ﯾﺎ ﯾﮏ ﺳﯿﺴﺘﻢ ﺗﺸﺨﯿﺺ ﺗﺮﮐﯿﺒﯽ ﻋﻤﻞ ﮐﻨﻨﺪ. در ﺳﯿﺴﺘﻢ ﺗﺸﺨﯿﺺ ﻧﻔﻮذ ﻣﺒﺘﻨﯽ ﺑﺮ اﻣﻀﺎ، ﺳﯿﺴﺘﻢ رﻓﺘﺎرﻫﺎي ﻣﺨﺮب را از ﻃﺮﯾﻖ اﻟﮕﻮﻫﺎي ﺗﺮاﻓﯿﮏ و ﯾﺎ دادهﻫﺎي ﺑﺮﻧﺎﻣﻪ ﮐﻪ ﻗﺒﻼ ﺑﻪ ﺻﻮرت ﯾﮏ اﻟﮕﻮي ﺷﻨﺎﺧﺘﻪ ﺷﺪه ﺑﻪ او ﻣﻌﺮﻓﯽ ﺷﺪه اﺳﺖ، ﺷﻨﺎﺳﺎﯾﯽ ﻣﯽﮐﻨﺪ. اﻣﺎ در ﺳﯿﺴﺘﻢ ﺗﺸﺨﯿﺺ ﻧﻔﻮذ ﻣﺒﺘﻨﯽ ﺑﺮ ﻧﺎﻫﻨﺠﺎري، ﻓﻌﺎﻟﯿﺖﻫﺎي اﻧﺠﺎم ﺷﺪه را ﺑﺎ ﯾﮏ رﻓﺘﺎر ﻃﺒﯿﻌﯽ از ﭘﯿﺶ ﺗﻌﺮﯾﻒ ﺷﺪه ﻣﻘﺎﯾﺴﻪ ﻣﯽﮐﻨﺪ و در ﺻﻮرت ﻣﻐﺎﯾﺮت ﻫﺸﺪار ﻣﯽدﻫﺪ. ﺳﯿﺴﺘﻢﻫﺎي ﺷﻨﺎﺳﺎﯾﯽ ﻧﻔﻮذ ﺗﺮﮐﯿﺒﯽ ﺗﮑﻨﯿﮏﻫﺎي ﻫﺮ دو روش ﻣﺒﺘﻨﯽ ﺑﺮ اﻣﻀﺎ و ﻣﺒﺘﻨﯽ ﺑﺮ ﻧﺎﻫﻨﺠﺎري را ﺑﻪ ﻫﻢ ﻣﯽآﻣﯿﺰد ﺗﺎ از ﻣﺰاﯾﺎي ﻫﺮ دوي آﻧﻬﺎ ﺑﻬﺮهﻣﻨﺪ ﺷﻮد. ﺑﻪ ﺳﯿﺴﺘﻢﻫﺎي ﺗﺸﺨﯿﺺ ﻧﻔﻮذ ﻣﺒﺘﻨﯽ ﺑﺮ ﻧﺎﻫﻨﺠﺎري ﺑﻪﻃﻮر ﻣﺨﺘﺼﺮ ﺳﯿﺴﺘﻢ ﺗﺸﺨﯿﺺ ﻧﺎﻫﻨﺠﺎري ﮔﻔﺘﻪ ﻣﯽﺷﻮد. از ﻣﺰاﯾﺎي اﯾﻦ ﺳﯿﺴﺘﻢ ﻧﺴﺒﺖ ﺑﻪ دﯾﮕﺮ روشﻫﺎ اﯾﻦ اﺳﺖ ﮐﻪ ﻗﺎدر ﺑﻪ ﺗﺸﺨﯿﺺ ﺣﻤﻼت ﺧﻮدي ﻣﯽﺑﺎﺷﺪ. ﺑﻪ ﻋﻨﻮان ﻣﺜﺎل اﮔﺮﮐﺎرﺑﺮي ﺑﺎ اﺳﺘﻔﺎده از ﯾﮏ ﺣﺴﺎب ﺑﻪ ﺳﺮﻗﺖ رﻓﺘﻪ اﻗﺪاﻣﺎﺗﯽ ﮐﻪ ﻓﺮاﺗﺮ از رﻓﺘﺎر ﻃﺒﯿﻌﯽ آن ﮐﺎرﺑﺮ اﺳﺖ را اﻧﺠﺎم دﻫﺪ، ﯾﮏ اﺧﻄﺎر ﺗﻮﺳﻂ ﺳﯿﺴﺘﻢ ﺗﺸﺨﯿﺺ ﻧﺎﻫﻨﺠﺎري اﯾﺠﺎد ﻣﯽﺷﻮد. ﻫﻤﭽﻨﯿﻦ، ﺗﺸﺨﯿﺺ ﻧﺎﻫﻨﺠﺎري ﻣﯽﺗﻮاﻧﺪ ﻣﻨﺠﺮ ﺑﻪ ﺗﺸﺨﯿﺺ ﺣﻤﻼت ﻧﺎﺷﻨﺎﺧﺘﻪ ﮔﺮدد. در واﻗﻊ ﺳﯿﺴﺘﻢﻫﺎي ﺗﺸﺨﯿﺺ ﻧﺎﻫﻨﺠﺎري، در ﺟﺴﺘﺠﻮي روﯾﺪادﻫﺎي ﻏﯿﺮ ﻋﺎدي ﺑﻪ ﺟﺎي ﺣﻤﻠﻪ ﻫﺴﺘﻨﺪ. دادهﮐﺎوي ﺑﻪ ﻣﻔﻬﻮم اﺳﺘﺨﺮاج اﻃﻼﻋﺎت ﻧﻬﺎن و ﯾﺎ اﻟﮕﻮﻫﺎ و رواﺑﻂ ﻣﺸﺨﺺ در ﺣﺠﻢ زﯾﺎدي از دادهﻫﺎ ﻣﯽﺑﺎﺷﺪ. در واﻗﻊ، ﺗﮑﻨﯿﮏﻫﺎي دادهﮐﺎوي در ﺗﺠﺰﯾﻪ و ﺗﺤﻠﯿﻞ دادهﻫﺎ ﺑﻪ ﻣﻨﻈﻮر ﯾﺎﻓﺘﻦ راﺑﻄﻪ ﺑﯿﻦ دادهﻫﺎ و ﺷﻨﺎﺳﺎﯾﯽ اﻟﮕﻮﻫﺎي آﻧﻬﺎ ﺑﻪ ﮐﺎر ﻣﯽرود. اﯾﻦ ﺗﮑﻨﯿﮏﻫﺎ ﺷﺎﻣﻞ ﺧﻮﺷﻪﺑﻨﺪي، ﻃﺒﻘﻪﺑﻨﺪي ﻣﯽﺑﺎﺷﻨﺪ. در ﺗﮑﻨﯿﮏ ﺧﻮﺷﻪﺑﻨﺪي، دادهﻫﺎ ﺑﻪ ﮔﺮوهﻫﺎي ﻣﺠﺰا از ﻫﻢ ﺗﺤﺖ ﻋﻨﻮان ﺧﻮﺷﻪ ﺗﻘﺴﯿﻢ ﻣﯽﺷﻮﻧﺪ. ﻫﺮ ﺧﻮﺷﻪ ﺷﺎﻣﻞ اﺷﯿﺎﯾﯽ اﺳﺖ ﮐﻪ ﺑﻪ ﻫﻢ ﻣﺸﺎﺑﻪ ﻫﺴﺘﻨﺪ و ﻧﺴﺒﺖ ﺑﻪ ﺳﺎﯾﺮ اﺷﯿﺎ در ﺧﻮﺷﻪﻫﺎي دﯾﮕﺮ ﻏﯿﺮﻣﺸﺎﺑﻪ ﯾﺎ ﻣﺘﻔﺎوت ﻫﺴﺘﻨﺪ. در ﺗﮑﻨﯿﮏ ﻃﺒﻘﻪﺑﻨﺪي، ﻃﺒﻘﻪي ﻣﺮﺗﺒﻂ ﺑﺎ ﻧﻤﻮﻧﻪﻫﺎي ورودي ﺟﺪﯾﺪ ﺑﺮ اﺳﺎس ﻣﺠﻤﻮﻋﻪ ﯾﺎدﮔﯿﺮيﻫﺎي ﭘﯿﺸﯿﻦ و ﺑﺮ اﺳﺎس ﻣﺸﺎﻫﺪات ﻗﺒﻠﯽ ﺷﻨﺎﺳﺎﯾﯽ و ﺗﺨﺼﯿﺺ داده ﻣﯽﺷﻮد. در واﻗﻊ ﻃﺒﻘﻪﺑﻨﺪي ﺑﻪ ﻋﻨﻮان ﻣﺮﺣﻠﻪاي از اﻟﮕﻮرﯾﺘﻢ ﯾﺎدﮔﯿﺮي ﻣﺎﺷﯿﻦ ﻣﺤﺴﻮب ﻣﯽﺷﻮد ﮐﻪ در آن ﺑﺮ اﺳﺎس آﻣﻮزهﻫﺎ و دادهﻫﺎي ﻗﺒﻠﯽ ﯾﺎدﮔﯿﺮي ﺻﻮرت ﮔﺮﻓﺘﻪ و دادهﻫﺎ ﻃﺒﻘﻪﺑﻨﺪي ﻣﯽﺷﻮﻧﺪ. ﻫﻤﭽﻨﯿﻦ از ﺗﮑﻨﯿﮏ ﻫﺎي ﺗﺮﮐﯿﺒﯽ ﮐﻪ ﺷﺎﻣﻞ اﻟﮕﻮرﯾﺘﻢﻫﺎي ﻫﺮ دو ﺗﮑﻨﯿﮏ ﺧﻮﺷﻪﺑﻨﺪي و ﻃﺒﻘﻪﺑﻨﺪي ﻣﯽﺑﺎﺷﺪ ﻧﯿﺰ اﺳﺘﻔﺎده ﻣﯽﺷﻮد. در واﻗﻊ، روش ﺗﺮﮐﯿﺒﯽ ﺑﺮاي رﺳﯿﺪن ﺑﻪ درﺟﺎت ﺑﺎﻻﺗﺮ از دﻗﺖ در ﺷﻨﺎﺳﺎﯾﯽ ﻣﺨﺮبﻫﺎ ﺳﺎﺧﺘﻪ ﻣﯽﺷﻮد. دراﯾﻦ روش ﻧﻮﯾﺴﻨﺪﮔﺎن ﺑﺮآﻧﻨﺪ ﺗﺎ اﻟﮕﻮرﯾﺘﻢﻫﺎي دادهﮐﺎويﻫﺎي ﻣﻮﺟﻮد را ﺑﻪ ﻫﻢ ﺑﯿﺂﻣﯿﺰﻧﺪ ﺗﺎ ﺑﻪ ﻧﺘﺎﯾﺞ ﺑﻬﺘﺮي ﺑﺮﺳﻨﺪ. اﺳﺘﻔﺎده از ﺗﮑﻨﯿﮏﻫﺎي ﻃﺒﻘﻪ ﺑﻨﺪي در ﺗﺸﺨﯿﺺ ﻧﺎﻫﻨﺠﺎري ﻣﯽﺗﻮاﻧﺪ ﻣﻮﺟﺐ ﺗﺸﺨﯿﺺ ﺑﻪ ﻣﻮﻗﻊ ﻧﺎﻫﻨﺠﺎري ﺷﻮد اﻟﺒﺘﻪ ﻫﺮ ﺗﮑﻨﯿﮏ ﻧﺴﺒﺖ ﺑﻪ دﯾﮕﺮي ﺑﺮﺗﺮي ﻣﺨﺼﻮص ﺑﻪ ﺧﻮد را داﺷﺘﻪ و ﻫﺮ ﺗﮑﻨﯿﮏ ﺑﺎ ﺗﻮﺟﻪ ﺑﻪ ﻧﻮع ﻧﺎﻫﻨﺠﺎري ﻣﯽﺗﻮاﻧﺪ ﺑﻪ ﮐﺎر ﺑﺮده ﺷﻮد. ﺑﺮاي ﺗﺸﺨﯿﺺ ﻧﺎﻫﻨﺠﺎري راﻫﮑﺎرﻫﺎي ﻣﺘﻔﺎوﺗﯽ وﺟﻮد دارد ﮐﻪ ازﺟﻤﻠﻪ آﻧﻬﺎ روشﻫﺎي ﻃﺒﻘﻪ ﺑﻨﺪي ﻣﯽﺑﺎﺷﺪ ﮐﻪ ﻋﺒﺎرﺗﻨﺪ از درﺧﺖ ﺗﺼﻤﯿﻢ، ﻣﻨﻄﻖ ﻓﺎزي، ﺷﺒﮑﻪ ﺑﯿﺰ ﺳﺎده، اﻟﮕﻮرﯾﺘﻢ ژﻧﺘﯿﮏ، ﺷﺒﮑﻪﻫﺎي ﻋﺼﺒﯽ، ﻣﺎﺷﯿﻦ ﺑﺮدار ﭘﺸﺘﯿﺒﺎﻧﯽ، ﯾﺎدﮔﯿﺮي ﻣﺎﺷﯿﻦ ﻓﻮقاﻟﻌﺎده و ﻧﮕﺎﺷﺖ ﺧﻮدﺳﺎزﻣﺎنده. ﺑﻪﮐﺎرﮔﯿﺮي ﻫﺮﮐﺪام از اﯾﻦ روشﻫﺎ ﺑﺴﺘﻪ ﺑﻪ ﻧﻮع ﻧﺎﻫﻨﺠﺎري ﻣﺘﻔﺎوت ﻣﯽﺑﺎﺷﺪ و ﻫﺮ روش وﯾﮋﮔﯽ ﺧﺎص ﺧﻮد را دارد.

سیستم تشخیص ناهنجاری

ﺗﺸﺨﯿﺺ ﻧﺎﻫﻨﺠﺎري روﻧﺪي ﺑﺮاي ﭘﯿﺪا ﮐﺮدن اﻟﮕﻮﻫﺎ در ﯾﮏ ﻣﺠﻤﻮﻋﻪ داده اﺳﺖ ﮐﻪ رﻓﺘﺎر ﻃﺒﯿﻌﯽ ﻣﻮرد اﻧﺘﻈﺎر را ﻧﺪارﻧﺪ. اﯾﻦ رﻓﺘﺎرﻫﺎي ﻏﯿﺮه ﻣﻨﺘﻈﺮه ﻧﺎﻫﻨﺠﺎري ﯾﺎ ﭘﺮت ﻧﺎﻣﯿﺪه ﻣﯽﺷﻮﻧﺪ. ﻧﺎﻫﻨﺠﺎري ﻫﻤﯿﺸﻪ ﻧﻤﯽﺗﻮاﻧﺪ ﺑﻪﻋﻨﻮان ﯾﮏ ﺣﻤﻠﻪ ﻣﻨﻈﻮر ﺷﻮد اﻣﺎ ﻣﯽ-ﺗﻮان آن را رﻓﺘﺎر ﻏﯿﺮه ﻣﻨﺘﻈﺮه داﻧﺴﺖ ﮐﻪ ﻗﺒﻼ ﺷﻨﺎﺧﺘﻪ ﻧﺸﺪه اﺳﺖ. اﯾﻦ ﻧﺎﻫﻨﺠﺎريﻫﺎ ﻣﻤﮑﻦ اﺳﺖ ﻣﻀﺮ ﺑﺎﺷﻨﺪ ﯾﺎ ﻧﺒﺎﺷﻨﺪ، در ﻫﺮ دو ﺻﻮرت ﻧﯿﺎزﻣﻨﺪ ﺗﺸﺨﯿﺺ ﻧﺎﻫﻨﺠﺎري ﻣﯽﺑﺎﺷﯿﻢ. ﺗﺸﺨﯿﺺ ﻧﺎﻫﻨﺠﺎري، اﻃﻼﻋﺎت ﺑﺴﯿﺎر ﻣﻬﻢ و ﺣﯿﺎﺗﯽ را در ﮐﺎرﺑﺮدﻫﺎي ﻣﺨﺘﻠﻒ ﻣﺎﻧﻨﺪ دزدي ﮐﺎرت اﻋﺘﺒﺎري و ﯾﺎ ﺟﻌﻞ ﻫﻮﯾﺖ در اﺧﺘﯿﺎر ﻗﺮار ﻣﯽدﻫﺪ. روشﻫﺎي ﻣﺨﺘﻠﻒ ﺑﺮاي ﺗﺸﺨﯿﺺ ﻧﺎﻫﻨﺠﺎري وﺟﻮد دارد اﻣﺎ ﻫﻤﺎﻧﻄﻮر ﮐﻪ در ﺷﮑﻞ ۱ ﻧﺸﺎن داده ﺷﺪه اﺳﺖ روش ﻋﻤﻮﻣﯽ ﺗﺸﺨﯿﺺ ﻧﺎﻫﻨﺠﺎري ﺷﺎﻣﻞ ﭘﺎراﻣﺘﺮﺑﻨﺪي، آﻣﻮزش و ﺗﺸﺨﯿﺺ ﻣﯽﺑﺎﺷﺪ.

ﭘﺎراﻣﺘﺮﺑﻨﺪي: ﭘﺎراﻣﺘﺮﺑﻨﺪي دادهﻫﺎي از ﭘﯿﺶ ﭘﺮدازش ﺷﺪه ﻃﺒﻖ ﯾﮏ ﻓﺮﻣﺖ از ﭘﯿﺶ ﺗﻌﯿﯿﻦ ﺷﺪه ﺑﻪ ﻣﻨﻈﻮر ﺗﻌﯿﯿﻦ ﻗﺎﺑﻞ ﻗﺒﻮل ﺑﻮدن آن ﺑﺮ اﺳﺎس ﯾﮏ رﻓﺘﺎر ﻃﺒﯿﻌﯽ.
مرحله  آﻣﻮزش: در اﯾﻦ ﻣﺮﺣﻠﻪ، ﯾﮏ ﻣﺪل ﺑﺮ اﺳﺎس رﻓﺘﺎر ﻃﺒﯿﻌﯽ ﯾﺎ ﻏﯿﺮﻃﺒﯿﻌﯽ از ﺳﯿﺴﺘﻢ ﺳﺎﺧﺘﻪ ﻣﯽﺷﻮد. راهﻫﺎي ﻣﺨﺘﻠﻔﯽ وﺟﻮد داردﮐﻪ ﻣﯽﺗﻮاﻧﺪ ﺑﺴﺘﻪ ﺑﻪ ﻧﻮع ﺗﺸﺨﯿﺺ ﻧﺎﻫﻨﺠﺎري در ﻧﻈﺮﮔﺮﻓﺘﻪ ﺷﻮد ﮐﻪ ﻣﯽﺗﻮاﻧﺪ دﺳﺘﯽ و ﯾﺎ ﺧﻮدﮐﺎر ﺑﺎﺷﺪ.
مرحله تشخیص:  وﻗﺘﯽ ﮐﻪ ﻣﺪل ﺑﺮاي ﯾﮏ ﺳﯿﺴﺘﻢ ﻣﻮﺟﻮد ﺑﺎﺷﺪ آن را ﺗﺮاﻓﯿﮏ ﭘﺎراﻣﺘﺮﺑﻨﺪي ﺷﺪه ﻣﻘﺎﯾﺴﻪ ﻣﯽﮐﻨﺪ. اﮔﺮ  اﻧﺤﺮاﻓﯽ ﭘﯿﺪا ﺷﻮد و اﻧﺤﺮاف از ﯾﮏ ﻣﻘﺪار آﺳﺘﺎﻧﻪ ﺑﯿﺸﺘﺮ ﺑﺎﺷﺪ آﻧﮕﺎه ﻫﺸﺪار ﺑﻪوﺟﻮد ﺧﻮاﻫﺪ آﻣﺪ.
1

نتیجه‌ای پیدا نشد.

پاسخی بگذارید

نشانی ایمیل شما منتشر نخواهد شد. بخش‌های موردنیاز علامت‌گذاری شده‌اند *

این فیلد را پر کنید
این فیلد را پر کنید
لطفاً یک نشانی ایمیل معتبر بنویسید.
برای ادامه، شما باید با قوانین موافقت کنید

فهرست