اعتبار سنجی مقایسه ای ویژگی های دیتاست بر الگوریتم های کلاسترینگ تکاملی در یادگیری نظارت شده
Publish Year: 1399
نوع سند: مقاله کنفرانسی
زبان: Persian
View: 510
This Paper With 32 Page And PDF Format Ready To Download
- Certificate
- من نویسنده این مقاله هستم
این Paper در بخشهای موضوعی زیر دسته بندی شده است:
استخراج به نرم افزارهای پژوهشی:
شناسه ملی سند علمی:
ICCONF05_035
تاریخ نمایه سازی: 27 مرداد 1399
Abstract:
امروزه با پایگاه های داده بسیار بزرگی مواجه هستیم که مشتمل بر مشخصه های مختلط هستند و یکی از نیازمندی های جدید بهره برداری از داده های این پایگاههای داده ای برای تصمیم گیری و پیش بینی و کشف الگوهای حاکم بر آنهاست. در این پژوهش الگوریتم نظارت شده نوروفازی بر مبنای ترکیب با الگوریتمهای تکاملی مانند الگوریتم ژنتیک و PSO بر روی مجموعه داده های مناسب بررسی شده و ارزیابی بر روی نتایج آنها در مقایسه با الگوریتم های منفرد انجام شد تا توصیه های تحلیلی مناسب برای انتخاب الگوریتم مناسب جهت پیش بینی و داده کاوی ایجاد گردد. گامهای تحقیق مطابق با متدلوژی CRISP انجام پذیرفت. بعد از انجام پژوهش مشخص شد که در داده های با پیچیدگی کمتر روش های یادگیری نظارت شده نوروفازی - انطباقی نتایج بهتری بدست می دهد در حالیکه هرچه داده ها پیچیده تر باشند و بویژه هرچه تعداد ستون های پایگاه داده بیشتر می شوند روشهای مبتنی بر ترکیب و بهینه سازی با الگوریتم ژنتیک خروجی بسیار بهتری دارند. لازم به ذکر است در روش یادگیری نظارت شده هنگامی که تعداد داده های اعشاری بیشتر شود الگوریتم PSO خروجی بسیار بهتری دارد.
Keywords:
Authors
تکتم ملایی
شرکت آب و فاضلاب مشهد