TY - JOUR T1 - A Novel Approach for Exceptional Phenomena Knowledge Detection and Analysis by Data mining TT - ارائه رویکردی نوین یادگیری ماشین برای شناسایی و تجزیه و تحلیل دانش پدیده‌های استثنایی JF - jsdp JO - jsdp VL - 14 IS - 1 UR - http://jsdp.rcisp.ac.ir/article-1-314-fa.html Y1 - 2017 SP - 15 EP - 28 KW - Data mining KW - Exceptional phenomena KW - Abnormality theory KW - Bottom-Up learning approach KW - E-RISE Algorithm KW - Information theory. N2 - کشف پدیده‌­های استثنایی پنهان در حجم انبوهی از رکوردهای موجود در پایگاه داده و استخراج دانش آن­ها در این مطالعه مورد بررسی قرار گرفته است. پدیده‌­های استثنایی به‌ندرت رخ می­‌دهد و در حجم انبوهی از داده‌­های عادی پنهان‌­اند. دست‌یابی به دانش رفتاری این پدیده‌­ها، ارزشمند و جذاب است. روش‌های موجود یادگیری، در هنگام پاک‌سازی پایگاه داده اغلب پدیده­‌های استثنایی را به‌عنوان داده‌های پرت شناسایی کرده و از محاسبات خارج می­‌کند و یا اینکه به‌­دلیل تمایل به کلّیت، قابلیت شناسایی و دسته‌­بندی درست این پدیده­‌ها را ندارند. به همین دلیل، ایجاد چارچوبی کارآمد برای کشف دانش و یادگیری رفتار پدیده‌­های استثنایی معدود که در میان انبوه رکوردهای یک پایگاه داده مخفی هستند، حائز اهمیت است. در این پژوهش، با به‌‏کارگیری تئوری استثنائات و تئور‌‌ی­‌های اطلاعات و دانه‌بندی اطلاعات نسبت به استخراج دانش رفتار پدیده‌­های استثنایی اقدام شده است. کارآیی روش پیشنهادی با در‌نظر‌گرفتن اطلاعات 30 ماهۀ سهام شرکت‌­های فعال در بازار اوراق بهادار ایران به‌منظور شناسایی و یادگیری رفتار سهام استثنایی، سنجیده می‌­شود. M3 10.18869/acadpub.jsdp.14.1.15 ER -