امروزه بخش عمده ای از فعالیت ها و تعاملات اقتصادی، تجاری، فرهنگی، اجتماعی و حاکمیتی در تمام کشورها، از طریق فضای سایبر انجام می گیرد. باتوجه به آسیب پذیری های ذاتی موجود در این فضا، مخاطرات سامانه های مبتنی بر آن نیز در حال افزایش می باشند؛ بنابراین، امنیت شبکه ها و سیستم ها در مقابل انواع نفوذ، به یکی از مهم ترین چالش های عصر حاضر تبدیل شده است. در این پژوهش، یک مدل برای تشخیص نفوذ در شبکه، بررسی و پیشنهاد شده است. در روش پیشنهادی که یک روش چند کلاسه می باشد، از الگوریتم سنجاقک برای انتخاب ویژگی و از جنگل تصادفی به منظور دسته بندی استفاده شده است. داده های بکار رفته در پژوهش، مجموعه داده نامتوازن CICIDS-2017 بوده است لذا عملیات متوازن سازی در آن استفاده شده است. مسئله با الگوریتم های مختلف مورد آزمون قرار گرفته و بهترین الگوریتم انتخاب شده است. مقدار صحت در روش پیشنهادی برابر با 85/99 به دست آمده است. همچنین، نتایج پژوهش با چندین روش دیگر که توسط محققان قبلی پیشنهاد شده مورد مقایسه قرار گرفته است و این مقایسه نشان می دهد که روش پیشنهادی نسبت به اکثر پژوهش هایی که در مقاله معرفی شده اند، دارای معیارهای ارزیابی بالاتری بوده است.

نامتوازن بودن مجموعه داده ها در دنیای واقعی، امری بسیار رایج و البته چالشی مهم در مسائل طبقه بندی و خوشه بندی آن ها است. مجموعه داده های نامتوازن، به مجموعه هایی اطلاق می شود که در آن نمونه های یک یا چند کلاس بر نمونه های کلاس های دیگر غلبه دارد. در این پژوهش، سعی خواهد شد تا یک مکانیزم، جهت متوازن نمودن مجموعه داده های نامتوازن ارائه شود که طی آن روش نمونه زدایی و نمونه زایی با یکدیگر ادغام می شود. به طور کلّی، هدف از این طرح، ارائه یک روش ترکیبی نمونه زدایی-نمونه زایی است که بتواند به گونه ای کارا و مؤثر، مجموعه نامتوازن را متوازن کند. رویکرد پیشنهادی در این پژوهش به جای تمرکز بر کلاس های اقلیت و اکثریت، بر روی داده های اقلیت و اکثریت کار می کند. جهت شناسایی این داده ها، از الگوریتم خوشه بندی birch استفاده می شود. از این رو، روش پیشنهادی تحت عنوان birch-resampling نام گذاری می شود. این روش از شش مرحله تشکیل شده است. جهت پیاده سازی این الگوریتم از نرم افزار «متلب» استفاده شد و برای ارزیابی نیز، از 11 مجموعه دادة دو و چند کلاسه با حجم و رخ عدم توازن متنوع استفاده شد، تا از همه ابعاد، عملکرد سیستم پیشنهادی مورد ارزیابی قرار گیرد. نتایج به دست آمده از الگوریتم پیشنهادی با 5 روش دیگر، مورد مقایسه قرار گرفت. نتایج حاصل از این مقایسه ها، نشان می دهد که الگوریتم پیشنهادی از دقت بالایی در طبقه بندی داده ها برخوردار است.

در عصر کلان داده ها، تکنیک های تجزیه و تحلیل خودکار مانند داده کاوی به طور گسترده ای برای تصمیم گیری به کار گرفته شده و بسیار مؤثر واقع شده اند. از جمله تکنیک های داده کاوی می توان به طبقه بندی اشاره کرد که یک روش رایج برای تصمیم گیری و پیش بینی است. الگوریتم های طبقه بندی به طور معمول بر روی مجموعه داده های متوازن به خوبی عمل می کنند. با وجود این، یکی از مشکلاتی که الگوریتم های طبقه بندی با آن مواجه هستند، پیش بینی صحیح برچسب نمونه های جدید بر اساس یادگیری بر روی مجموعه داده های نامتوازن است. در این نوع از مجموعه داده ها، توزیع ناهمگونی که داده ها در کلاس های مختلف دارند باعث نادیده گرفته شدن نمونه های کلاس با تعداد نمونه کمتر در یادگیری طبقه بند می شوند؛ در حالی که این کلاس در برخی مسائل پیش بینی دارای اهمیت بیشتری است. به منظور مقابله با مشکل مذکور در این مقاله، روشی کارا برای متعادل سازی مجموعه داده های نامتوازن ارائه می شود که با متعادل نمودن تعداد نمونه های کلاس های مختلف در مجموعه داده ای نامتوازن، پیش بینی صحیح برچسب کلاس نمونه های جدید توسط الگوریتم یادگیری ماشین را بهبود می بخشد. بر اساس ارزیابی های صورت گرفته، روش پیشنهادی بر اساس دو معیار رایج در ارزیابی طبقه بندی مجموعه داده های نامتوازن به نام های «صحت متعادل» و «ویژگی»، عملکرد بهتری در مقایسه با روش های دیگر دارد.

توزیع نامتوازن داده ها باعث افت کارایی دسته بندها می شود. راه حل های پیشنهاد شده برای حل این مشکل به چند دسته تقسیم می شوند، که روش های مبتنی بر نمونه گیری و روش های مبتنی بر الگوریتم از مهم ترین روش ها هستند. انتخاب ویژگی نیز به عنوان یکی از راه حل های افزایش کارایی دسته بندی داده های نامتوازن مورد توجه قرار گرفته است. در این مقاله یک روش جدید انتخاب ویژگی یک طرفه برای دسته بندی متون نامتوازن ارائه شده است. روش پیشنهادی با استفاده از توزیع ویژگی ها میزان نشان گر بودن ویژگی را محاسبه می کند. به منظور مقایسه عملکرد روش پیشنهادی، روش های انتخاب ویژگی مختلفی پیاده سازی و برای ارزیابی روش پیشنهادی از درخت تصمیم C4. 5 و نایوبیز استفاده شد. نتایج آزمایش ها بر روی پیکره های Reuters-21875 و WebKB برحسب معیار Micro F، Macro F و G-mean نشان می دهد که روش پیشنهادی نسبت به روش های دیگر، کارایی دسته بندها را به اندازه قابل توجهی بهبود بخشیده است.

در این پژوهش، عوامل تعیین کننده مطالبات غیرجاری و عوامل اقتصاد منطقه ای تاثیرگذار بر آن در 31 استان ایران برای سال های 1385-1398 مورد بررسی قرار گرفته است. بعد منطقه ای در تحلیل پدیده مطالبات غیرجاری وجه متمایز این مطالعه نسبت به مطالعات مشابه است. در یک منطقه جغرافیایی از لحاظ اقتصادی، مهم ترین وجه ظاهری تراکم جمعیت و تجمع فعالیت های صنعتی است که به دلیل وجود صرفه های اقتصادی ناشی از تجمع پدید آمده است و با گسترش آن هزینه های تولید بنگاه کاهش می یابد. بنابراین، انتظار می رود بنگاه هایی که بتوانند بهره بیشتری از این صرفه ها ببرند، در بازپرداخت دیون بانکی موفق تر عمل کنند. به منظور سنجش این اثر، داده ها به صورت استانی جمع آوری شد و شاخص تجمع صنعتی نیز با استفاده از رابطه گورتر-کوک محاسبه گردید. در ادامه با استفاده از تکنیک اقتصادسنجی، تاثیرات ثابت داده های پانل نامتوازن مشخص شد. تسهیلات پرداختی بیشتر، سپرده های بانکی، و نرخ بیکاری بالاتر باعث افزایش قابل توجه مطالبات غیرجاری می شود، درحالی که تورم بیشتر و تجمع صنعتی بالاتر مطالبات غیرجاری را کاهش می دهد. همچنین، اندازه تجمع صنعتی بر اندازه مطالبات غیرجاری اثر منفی دارد.

یکی از قسمت­های مهم در داده­کاوی و کشف دانش از پایگاه داده، رده­بندی است. در اغلب موارد داده­هایی که برای آموزش رده بندها به کار می­روند از توزیع مناسبی برخوردار نیستند. این توزیع نامناسب هنگامی رخ می­دهد که یک رده تعداد نمونه­های زیادی دارد؛ درحالی که به طور ذاتی نمونه های رده دیگر کم است. به طورکلی روش های حل این نوع مسائل به دو دسته نمونه گیری کاهشی و نمونه گیری افزایشی تقسیم می شود. در این مقاله یک روش نمونه گیری کاهشی با استفاده از ترکیب خوشه بندی و معیارهای شباهت فازی ارائه شده است و عملکرد آن ها ازنظر کارآمدی در رده بندی داده های نامتوازن مورد تحلیل و بررسی قرارگرفته اند. بدین منظور در ابتدا خوشه بندی کاهشی انجام شده و داده های رده اکثریت خوشه بندی، سپس با استفاده از معیارهای شباهت فازی نمونه های هر خوشه رتبه بندی و بر اساس این رتبه ها نمونه های مناسب انتخاب می شود؛ نمونه های انتخاب شده به همراه رده اقلیت مجموعه داده نهایی را تشکیل می دهند. در این پژوهش پیاده سازی در نرم افزار MATLAB، ارزیابی نتایج از طریق محاسبه معیار AUC و تحلیل نتایج با استفاده از آزمون های آماری استاندارد انجام شده است. نتایج مطالعه نشان دهنده عملکرد بهتر روش پیشنهادی، نسبت به سایر روش های شناخته شده است.

یکی از حوزه های امنیتی که در شرایط جدید جهانی بسیار مورد اهمیت قرار گرفته است، امنیت سایبری است. در این مقاله برای مطالعه بر روی حملات ناشناخته در شبکه های کامپیوتری، دو هانی نت آزمایشگاهی مجازی در دو مکان مختلف طراحی و همچنین از سایر مجموعه داده های علمی استفاده شده است. در داده های شبکه ای، مشکل داده های نامتوازن اغلب اتفاق می افتد که این امر کارایی پیش بینی رده هایی که در اقلیت هستند را کاهش می دهد. برای حل این مشکل در این مقاله، از روش های یادگیری جمعی برای ارایه مدلی خودکار استفاده شده است تا با استفاده از فنون مختلف و یادگیری مدل، حملات شبکه به ویژه حملات ناشناخته به درستی شناسایی شوند. روش تحقیق انجام شده، بر اساس تحلیل های آماری است که در راستای بررسی میزان صحت (دقت) نتایج و میزان اتکاپذیری آن ها صورت گرفته است. در پایان به کمک فنون و آزمایش های آماری نشان داده شده است که عملکرد الگوریتم طراحی شده با رای گیری وزنی پیشنهادی بر اساس الگوریتم ژنتیک، نسبت به دوازده طبقه بند دیگر به میزان چشمگیری بهبود داشته است. رویکرد پیشنهادی توانسته است در بستر واقعی آزمایشگاهی از نظر معیار اندازه گیری فیشر در جایگاه نخست و در مجموعه داده های استاندارد در جایگاه دوم قرار بگیرد.

در سال های اخیر، استفاده از روش های نقشه برداری رقومی مبتنی بر الگوریتم های یادگیری ماشین باهدف تهیه نقشه کلاس های خاک بطور گسترده ای توسعه یافته است. اساس این روش ها پیش بینی کلاس ها یا ویژگی های خاک به کمک مدل سازی روابط بین آن ها و متغیرهای محیطی به عنوان نمایندگان عوامل خاک سازی، می باشد. ماهیت نامتوازن توزیع خاک ها در طبیعت که منجر به بیش برازش کلاس های با فراوانی زیاد و کم برازش کلاس های با فراوانی کم و درنتیجه کاهش دقت فرآیند نقشه برداری خاک شده، از چالش های موجود در این روش می باشد. بنابراین، پژوهش حاضر باهدف ارزیابی توانایی دو الگوریتم جنگل تصادفی و ماشین بردار پشتیبان در نقشه برداری رقومی کلاس های فامیل خاک با توزیع نامتوازن، حاصل از 95 خاک رخ مطالعاتی در 4000 هکتار از اراضی زیرحوضه هنام، استان لرستان انجام گرفت. در این مطالعه موضوع عدم توازن در فراوانی کلاس های خاک با استفاده از 6 مجموعه داده، ازجمله مجموعه داده های اصلی و پنج مجموعه داده ایجادشده توسط چندین رویکرد نمونه گیری مجدد از داده های اصلی، شامل دو رویکرد طبقه بندی دستی و سه الگوریتم بیش نمونه گیری و کم نمونه گیری و بیش نمونه گیری اقلیت مصنوعی در محیط نرم افزار R موردبررسی قرار گرفت. نتایج نشان داد علیرغم مقایر پائین آماره های اعتبارسنجی، شباهت گسترش خاک های با فراوانی زیاد در منطقه مطالعاتی در نقشه های حاصل از مدل جنگل تصادفی و مجموعه داده های اصلی و همچنین الگوریتم بیش نمونه گیری اقلیت مصنوعی با نقشه خاک تهیه شده به روش مرسوم قابل توجه می باشد. بنابراین فراوانی کم سایر کلاس های خاک و در نتیجه آن عدم آموزش درست مدل ها برای آن ها را می توان یکی از دلایل اصلی صحت کلی کم مدل های به کار رفته دانست.