سیویلیکا را در شبکه های اجتماعی دنبال نمایید.

انتخاب ویژگیهای موثرباترکیب روشهای فیلترورپر

Publish Year: 1392
Type: Conference paper
Language: Persian
View: 886

This Paper With 6 Page And PDF Format Ready To Download

Export:

Link to this Paper:

Document National Code:

BPJ01_608

Index date: 19 January 2014

انتخاب ویژگیهای موثرباترکیب روشهای فیلترورپر abstract

انتخاب ویژگی یکی ازموضوعات مهم درحوزه یادگیری ماشین وتشخیص الگو می باشد دراین مقاله یک روش ترکیبی انتخاب ویژگی براساس فیلترهمبستگی و رپرشبکه های عصبی مصنوعی ارایه میگردد الگوریتم پیشنهادی دردومرحله زیرمجموعه ویژگی را انتخاب می کند درمرحله اول ازفیلترهمبستگی برای حذف ویژگیهای افزونه و بی ربط استفاده شده و درمرحله دوم رپرشبکه های عصبی ازمیان ویژگیهای باقیمانده با استفاده ازالگوریتم جستجوی رو به جلو ویژگیهایی با کمترین میزان وابستگی را انتخاب می کند که قدرت کلاسه بندی شبکه را افزایش دهند ما کااریی این الگوریتم رابااعمال آن برروی شش مجموعه داده ی کلاس بندی ارزیابی نموده ایم نتایج بدست امده نشان دهنده ی قدرت این الگوریتم درانتخاب زیرمجموعه ویژگیها می باشد

انتخاب ویژگیهای موثرباترکیب روشهای فیلترورپر Keywords:

انتخاب ویژگیهای موثرباترکیب روشهای فیلترورپر authors

سیده پروانه حسینی

دانشگاه آزاد اسلامی دزفول

علیرضا عصاره

دانشگاه شهیدچمران اهواز

ایمان عطارزاده

دانشگاه آزاد اسلامی دزفول

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 :
U.M. Fayyad 1 and G. Piatetsky- Shapiro 2 and P. ...
_ _ _ _ by cross ...
_ _ _ feature selection:, Journal of Machine Learning Research, ...
on Knowledge and Data Engineering, Vol. 17, No. 4, pp. ...
M. Dash 1 and H. Liu 2, "Feature selection for ...
J. Huang 1 and Y. Cai 2 and X. Xu ...
_ _ _ IEEE International Conference on Cognitive Informatics, Beijing: ...
C. Deisy 1 and B. Subbulakshmi 2 and S. Baskar ...
C. Chen 1 and J. Lin 2, "Libsvm: A library ...
M.Richeldi 1 and P. Lanzi 2, _ a tool for ...
M.Richeldi 1 and P. Lanzi 2, _ a tool for ...
W. Fujibuchi _ and T. Kato 2, "Classification of heterogeneous ...
_ _ Transactions _ Neural Networks, Vol. 19, No. 7, ...
D. E .Rumelhart 1 and J. McClelland 2, in: Parallel ...
B .D. Ripley, "Neural networks and related methods for classification", ...
_ William Flake, "Square Unit Augmented, Radially Extended, Multilayer Perceptrons, ...
C. Merz 1 and .J. Murphy 2 and P. M ...
نمایش کامل مراجع

مقاله فارسی "انتخاب ویژگیهای موثرباترکیب روشهای فیلترورپر" توسط سیده پروانه حسینی، دانشگاه آزاد اسلامی دزفول؛ علیرضا عصاره، دانشگاه شهیدچمران اهواز؛ ایمان عطارزاده، دانشگاه آزاد اسلامی دزفول نوشته شده و در سال 1392 پس از تایید کمیته علمی اولین همایش ملی رویکردهای نوین در مهندسی کامپیوتر و بازیابی اطلاعات پذیرفته شده است. کلمات کلیدی استفاده شده در این مقاله انتخاب ویژگی، فیلترهمبستگی، شبکه های عصبی مصنوعی، فیلترهمبستگی، کاهش ابعاد هستند. این مقاله در تاریخ 29 دی 1392 توسط سیویلیکا نمایه سازی و منتشر شده است و تاکنون 886 بار صفحه این مقاله مشاهده شده است. در چکیده این مقاله اشاره شده است که انتخاب ویژگی یکی ازموضوعات مهم درحوزه یادگیری ماشین وتشخیص الگو می باشد دراین مقاله یک روش ترکیبی انتخاب ویژگی براساس فیلترهمبستگی و رپرشبکه های عصبی مصنوعی ارایه میگردد الگوریتم پیشنهادی دردومرحله زیرمجموعه ویژگی را انتخاب می کند درمرحله اول ازفیلترهمبستگی برای حذف ویژگیهای افزونه و بی ربط استفاده شده و درمرحله دوم رپرشبکه های عصبی ازمیان ویژگیهای باقیمانده با استفاده ... . برای دانلود فایل کامل مقاله انتخاب ویژگیهای موثرباترکیب روشهای فیلترورپر با 6 صفحه به فرمت PDF، میتوانید از طریق بخش "دانلود فایل کامل" اقدام نمایید.