بهینه سازی روش کلونی مورچه ها در مسئله انتخاب ویژگی
Publish place: National Conference on Application of Intelligent Systems (soft computing) in Science and Technology
Publish Year: 1392
نوع سند: مقاله کنفرانسی
زبان: Persian
View: 2,317
This Paper With 13 Page And PDF Format Ready To Download
- Certificate
- من نویسنده این مقاله هستم
استخراج به نرم افزارهای پژوهشی:
شناسه ملی سند علمی:
AISST01_124
تاریخ نمایه سازی: 5 مرداد 1392
Abstract:
رشد چشم گیر و غیر قابل تصور در حجم داده های تولید و ذخیره شده در نهادها منجر به پنهان شدن دانش های مفید و ناشناخته در درون انبوه اطلاعات شده است که با معرفی و استفاده از دانش داده کاوی سعی در استخراج این مفاهیم با ارزش داریم مهمترین چالش در این زمینه ابعاد زیاد یا به عبارتی تعداد زیاد ویژگی ها (صفات) در مجموعه داده ها ما را با مشکل در این زمینه مواجه خواهد کرد. علاوه بر این با حذف این ویژگی های اضافی سبب افزایش کارآیی الگوریتم های داده کاوی و حتی به دلیل کاهش داده های آلوده می توان در برخی موارد به نتایج بهتری رسید. نکته مهم در این حوزه پیچیدگی پیاده سازی روش های کاهش ابعاد و NP-Hard بودن این رده از مسائل است لذا الگوریتم های فرامکاشفه ای در این حوزه می توانند بسیار کاربردی هستند یکی از شناخته شده ترین الگوریتم های فرامکاشفه ای روش ACO است در این مقاله به ارائه روشی جهت بهینه سازی این روش کلاسیک مطرح شده و نتایج حاصل از این بهینه سازی نیز موید این مطلب هستند.
Keywords:
Authors
محسن شفیعی
کارشناسی ارشد نرم افزار مدرس دانشگاه های پیام نور مشهد
رضا منصفی
عضو هیئت علمی دانشگاه فردوسی
مراجع و منابع این Paper:
لیست زیر مراجع و منابع استفاده شده در این Paper را نمایش می دهد. این مراجع به صورت کاملا ماشینی و بر اساس هوش مصنوعی استخراج شده اند و لذا ممکن است دارای اشکالاتی باشند که به مرور زمان دقت استخراج این محتوا افزایش می یابد. مراجعی که مقالات مربوط به آنها در سیویلیکا نمایه شده و پیدا شده اند، به خود Paper لینک شده اند :