CIVILICA We Respect the Science
(ناشر تخصصی کنفرانسهای کشور / شماره مجوز انتشارات از وزارت فرهنگ و ارشاد اسلامی: ۸۹۷۱)

مقایسه عملکرد الگوریتم های طبقه بندی 1NN ، KNN ، Parzen و Bayes بر روی مجموعه داده های مختلف بیوانفورماتیکی

عنوان مقاله: مقایسه عملکرد الگوریتم های طبقه بندی 1NN ، KNN ، Parzen و Bayes بر روی مجموعه داده های مختلف بیوانفورماتیکی
شناسه ملی مقاله: CSCG03_115
منتشر شده در سومین کنفرانس بین المللی محاسبات نرم در سال 1398
مشخصات نویسندگان مقاله:

حسن نصرتی ناهوک - مربی ، گروه مهندسی کامپیوتر و فناوری اطلاعات، دانشگاه پیام نور، ایران؛

خلاصه مقاله:
طبقه بندی یکی از مهمترین مباحث پایه ای در زمینه های آمار، یادگیری ماشین، شناسایی الگو و داده کاوی می باشد . در این مقاله به بررسی عملکرد الگوریتم های 1 – NearestNeighbour ، K – earestNeighbour ، Parzen و Bayes و اجرای آن ها بر روی چهار مجموعه داده ی متفاوت بیوانفورماتکی با استفاده از نرم افزار MATLAB پرداخته شده است. از آنجایی که عملکرد هر الگوریتم طبقه بندی با توجه به مساله ای که با آن سروکار داریم متفاوت خواهد بود، به مقایسه عملکرد چهار الگوریتم طبقه بندی بر روی مجموعه داده های بیولوژی منتشر شده از KAGGLE و تعریف شده پرداخته شد و نتایح حاصله نشان دهنده کارایی الگوریتمهای مزبور در مقایسه با دیگر الگوریتم ها می باشد تا الگوریتم بهینه با توجه به داده های ورودی مساله مشخص شود.

کلمات کلیدی:
الگوریتم های طبقه بندی، 1NN ؛ KNN ؛ Parzen ؛ Bayes، داده های بیولوژی

صفحه اختصاصی مقاله و دریافت فایل کامل: https://civilica.com/doc/1006054/