تمت في كلية الادارة والاقتصاد / جامعة بغداد ، مناقشة رسالة الماجستير الموسومة (مقارنة أنموذجي انحدار بواسون الخليط الكامن والضبابي لبيانات العّد مع التطبيق ) في تخصص الاحصاء للطالب (احمد خضر الياس) بأشراف أ.م.د عماد حازم عبودي
تهدف الرسالة الى المقارنة بين إنموذج انحدار بواسون الخليط للفئة الكامنة و إنموذج أنحدار بواسون الخليط للفئة الضبابية لبيان الأفضلية بين النماذج وبيان افضلية الطرق المستخدمة . حيث يتم تقدير معلمات كلا الانموذجين أذ أن انموذج الفئة الكامنة يتم تقدير معلماته بأستخدام خوارزمية تعظيم التوقع (Expectation Maximization (EM)) وأنموذج الفئة الضبابية بأستخدام خوارزمية الامكان الاعظم للتصنيف الضبابي Fuzzy Classification Maximum Likelihood (FCML))) ، وأستخدام الخوارزمية الجينية Genetic Algroithm)) لتحسين تقدير المعلمات في كل أنموذج .
وقد توصلت الدراسة الى عدد من الاستنتاجات اهمها:
- أظهرت خوارزمية EM)) لانحدار خليط بواسون للفئة الكامنة وخوارزمية (FCML) لانحدار خليط بواسون للفئة الضبابية فعاليتهما في تقدير المعلمات ضمن النماذج الخاصة بها ، حيث أعطت الخوارزميتين قيم متقاربة لمجموع مربعات الخطأ (MSE) .
- لعبت الخوارزمية الجينية دورًا حاسمًا في تحسين قيم المعلمات لكل من نماذج انحدار خليط بواسون للفئة الكامنة والفئة الضبابية . أظهر تطبيقها قدرته على التكيف لتعزيز دقة الانموذج وكفاءته في تمثيل الأنماط الأساسية في البيانات.
- أظهرت نتائج المحاكاة ومن خلال قيم معيار متوسط مربعات الخطأ (MSE) أن الخوارزمية الجينية المستخدمة في أنموذج الفئة الضبابية تفوقت على بقية الخوارزميات المستخدمة في التقدير.
- اثبت انموذج انحدار خليط بواسون للفئة الضبابية تفوقه على نظيره الخاص بالفئة الكامنة . يشير التفوق الملحوظ إلى أن انموذج الفئة الضباية يمثل بشكل أكثر دقة التعقيدات الكامنة والفروق الدقيقة الموجودة في البيانات .
ومن خلال الاستنتاجات التي توصلت اليها الدراسة قدم الباحث عدد من التوصيات اهمها :
- استخدام انموذج انحدار خليط بواسون للفئة الضبابية فهو يعطي نتائج افضل واكثر دقة من انموذج الفئة الكامنة .
- استخدام الخوارزمية الجينية في انموذج انحدار خليط بواسون وذلك لقدرتها العالية على تحسين قيم المعلمات وإعطاء نتائج افضل .
- ضرورة الاهتمام بعملية تقدير انتماء الفئات في الدراسات المستقبلية وذلك لاهميتها وتأثيها على دقة النتائج.
- يوصي الباحث بأستخدام معيار المعلومات البايزي (BIC) لتحديد عدد الفئات داخل البيانات .
