الدعم التلقائي لوصف بيانات المتجهات الداعمة

تُستخدم معالجات الأحداث في مجموعة واسعة من التطبيقات، مثل أنظمة المساعدة الطبية وأنظمة كبح الحرائق. وتسعى هذه الأنظمة إلى تقديم استجابات دقيقة بناءً على أقل كمية ممكنة من المعلومات. وتعتبر طريقة وصف بيانات الدعم المتجه (SVDD) إحدى الأدوات المناسبة للكشف في هذه السياقات، والتي يجب أن تتعامل مع نقص المعلومات. ولهذا السبب، تم بذل العديد من الجهود لتحسين أداء SVDD. لكن للأسف، تعاني الطرق الحالية من ضعف خصائص البيانات في مجموعات البيانات النادرة، كما أن معاملات التخصيص فيها غير منظمة بشكل صحيح. ونتيجة لهذه المشكلات، تنخفض دقة معالجات الأحداث عند مواجهتها لقصور في البيانات. ولذلك، نقترح طريقة جديدة تُسمى وصف بيانات الدعم المتجه التلقائي (ASVDD)، تقوم على مبدأ درجة التحقق المستمدة من النمط الضبابي المجرد (Fuzzy Rough Set) لاكتشاف خصائص البيانات، بالإضافة إلى تعيين قيم فعّالة لمعاملات التخصيص باستخدام خوارزمية الخفاش الفوضوي (Chaotic Bat Algorithm). ولتقييم أداء ASVDD، أُجريت عدة تجارب على مجموعات بيانات متنوعة من مخزن UCI. وأظهرت النتائج التجريبية تفوق الطريقة المقترحة مقارنةً بالأساليب الرائدة من حيث دقة التصنيف وقيمة AUC. ولإثبات التمييز المعنى بين نتائج الدقة التي حققتها الطريقة المقترحة والأساليب المتقدمة، تم إجراء اختبار إحصائي ويلكوكسون (Wilcoxon Statistical Test).