Εμφάνιση απλής εγγραφής

dc.contributor.advisorΒερύκιος, Βασίλειος
dc.contributor.authorΤαμαμίδης, Πολυχρόνιος
dc.contributor.otherTamamidis, Polichronios
dc.coverage.spatialΚύπροςel_GR
dc.date.accessioned2013-11-14
dc.date.accessioned2013-11-14T08:52:39Z
dc.date.available2013-11-14T08:52:39Z
dc.date.copyright2013-08
dc.date.issued2013-11-14
dc.identifier.otherΠΛΗ/2013/00097el_GR
dc.identifier.urihttp://hdl.handle.net/11128/1421
dc.descriptionΠεριέχει βιβλιογραφικές παραπομπές.el_GR
dc.description.abstractΗ εξόρυξη δεδομένων είναι ο επιστημονικός κλάδος που επιτρέπει την εξαγωγή γνώσης μέσω της επεξεργασίας του τεράστιου όγκου ακατέργαστης πληροφορίας που βρίσκεται αποθηκευμένη μέσα σε αποθετήρια δεδομένων. Μια πολύ συνηθισμένη μορφή αναπαράστασης αυτής της γνώσης είναι μέσω της εύρεσης κανόνων συσχέτισης ή επαναλαμβανόμενων συνόλων δεδομένων. Ωστόσο, μέσα από αυτή τη διαδικασία ανακάλυψης γνώσης είναι δυνατό να παραβιαστεί η ιδιωτικότητα ή να αποκαλυφθούν ευαίσθητα δεδομένα ατόμων ή οργανισμών. Για την αποτροπή αυτής της ανεπιθύμητης κατάστασης, θα πρέπει κάποιοι κανόνες συσχέτισης, ή συχνά στοιχειοσύνολα, να μην γίνονται φανερά αλλά να αποκρύπτονται, κάτι το οποίο είναι κύριο μέλημα ενός νέου, σχετικά, ερευνητικού πεδίου, της Απόκρυψης Κανόνων Συσχέτισης (Α.Κ.Σ). Ένα βασικό ερευνητικό ερώτημα της Α.Κ.Σ. είναι η ανάπτυξη ενός εργαλείου που θα παρέχει την δυνατότητα εύκολης διασύνδεσης και ανάπτυξης νέων τεχνικών και συγκριτικής μελέτης αυτών σε σχέση με άλλες ήδη υπάρχουσες τεχνικές, μέσω ενός ολοκληρωμένου περιβάλλοντος. Σκοπός της παρούσης διατριβής, είναι η δημιουργία με χρήση της Python, ενός ολοκληρωμένου περιβάλλοντος πειραματισμού και αξιολόγησης ορισμένων αλγορίθμων που έχουν προταθεί για την επίλυση του προβλήματος της απόκρυψης των κανόνων συσχέτισης, και το οποίο θα δίνει την δυνατότητα στον χρήστη της συγκριτικής μελέτης των χαρακτηριστικών διαφόρων μεθόδων–αλγορίθμων Απόκρυψης Κανόνων Συσχέτισης. Μέσω του ολοκληρωμένου περιβάλλοντος θα είναι εφικτή η εύκολη δοκιμή των αλγορίθμων με χρήση διαφορετικών παραμέτρων, η συγκριτική μελέτη της απόδοσης διαφορετικών τεχνικών για δυναμικά ορισμένα σύνολα δεδομένων εισόδου και ελέγχου απόδοσης, και η δημιουργία οπτικοποίησης των αποτελεσμάτων σύγκρισης των ποιοτικών και ποσοτικών χαρακτηριστικών των αλγορίθμων αυτών. Για την πραγματοποίηση του παραπάνω στόχου μελετήθηκαν αρκετοί αλγόριθμοι και τεχνικές Απόκρυψης και τελικά επιλέχθηκαν τρεις από αυτούς οι οποίοι υλοποιήθηκαν στη γλώσσα προγραμματισμού Python και ενσωματώθηκαν στο περιβάλλον που αναπτύχθηκε. Οι αλγόριθμοι δοκιμάσθηκαν, μέσω του εργαλείου που δημιουργήθηκε στο πλαίσιο της παρούσης διατριβής, σε πραγματικά σύνολα συναλλαγών, ώστε να παραχθούν όσο το δυνατόν πιο αξιόπιστα αποτελέσματα – συμπεράσματα.el_GR
dc.format.extentvii, 77 σ. πιν., 30 εκ.el_GR
dc.languagegrel_GR
dc.language.isogrel_GR
dc.subjectΑπόκρυψη κανόνων συσχέτισης -- Pythonel_GR
dc.subjectAssociation rule hiding -- Pythonel_GR
dc.titleΥλοποίηση τεχνικών απόκρυψης κανόνων συσχέτισης (Association Rule Hiding) στην Pythonel_GR
dc.typeΜεταπτυχιακή Διατριβήel_GR
dc.description.translatedabstractData mining is the discipline that enables the extraction of knowledge through the processing of huge amounts of raw information stored in data repositories. A very common form of representation of this knowledge is through finding association rules or repeated data sets. However, through this process of knowledge discovery, the privacy of individuals or organizations can be violated by revealing sensitive data. To prevent this undesirable situation, some specific association rules or frequent itemsets, shall become concealed. This activity is the main concern of a relatively new research field which is the Association Rule Hiding. A key research question of Association Rule Hiding is to develop a software tool that provides a user-friendly interface and which shall give the capability that new techniques which are now developed or will be developed in the future shall be integrated to the tool and be easily compared with others already existing to the tool, through an integrated environment. The purpose of the present study is to create, using the Python technology, an integrated environment for experimentation and evaluation of some algorithms that have been proposed to solve the problem of Association Rule Hiding, enabling the user to perform comparative studies over the characteristics of various methods-algorithms for Association Rule Hiding. The integrated environment will allow for easy testing of algorithms using different parameters, comparative performance analysis of different techniques for dynamic sets of input and control data and creation of visual representations of the results through the comparison of the qualitative and quantitative characteristics of these algorithms. To achieve the above goal, several algorithms and techniques of Association Rule Hiding were studied and finally selected three of those which have been implemented in the Python programming language and integrated into the environment developed. The algorithms were tested through the tool created in the present study, in real data sets of transactions in order to produce as much as possible reliable results and conclusions.el_GR
dc.format.typepdfel_GR


Αρχεία σε αυτό το τεκμήριο

Thumbnail

Αυτό το τεκμήριο εμφανίζεται στις ακόλουθες συλλογές

Εμφάνιση απλής εγγραφής