ارائه روشی ترکیبی جهت بهبود درخت تصمیم فازی وزن دار
Publish place: Conference on Computer Engineering and Sustainable Development with a focus on computer networking, modeling and systems security
Publish Year: 1392
نوع سند: مقاله کنفرانسی
زبان: Persian
View: 1,678
This Paper With 8 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:
CESD01_031
تاریخ نمایه سازی: 25 اسفند 1392
Abstract:
انتخاب ویژگی، یکی از تکنیک های مهم و پرکاربرد در مراحل پیش پردازش دادهها برای داده کاوی است. تاکنون برای انتخاب ویژگی از روش- های متنوعی استفاده شده است. در دهههای اخیر، روشهای تکاملی بهعنوان یک ابزار جستجو و بهینه سازی در حوزههای مختلفی مانند علوم تجاری و مهندسی مورد استفاده قرار گرفته است. وسعت دامنه کاربرد، سهولت استفاده و قابلیت دستیابی به جواب نزدیک و بهینه مطلق از جمله دلایل مؤفقیت این روشها است. الگوریتم کلونی زنبور که یکی از جدیدترین و کارآمدترین الگوریتم های تکاملی است، میتواند با انتخاب ویژگی های مناسب به بالاتر بردن کارائی و دقت آنها منجر شود. در این مقاله به ارائه یک روش ترکیبی جهت بالابردن دقت طبقهبندی درختان تصمیم فازی وزندار بر مبنای انتخاب ویژگی از طریق الگوریتم کلونی زنبور و ترکیب آن با درخت تصمیم فازی وزندار خواهیم پرداخت. بررسی عملکرد، دقت و نتایج حاصل از شبیه سازی این روش، نشاندهنده مؤثر بودن آن در بهبود دقت طبقه بندی است.
Keywords:
درخت تصمیم فازی (وزندار) , بهینه سازی , الگوریتم کلونی زنبورهای مصنوعی (ABC) , انتخاب ویژگی , شبکه عصبی MLP
Authors
اعظم شاه نظر
دانشجوی کارشناسی ارشد دانشکده فنی و مهندسی دانشگاه آزاد اسلامی واحد تهران جنوب تهران
مریم خادمی
استادیار دانشکده علوم پایه دانشگاه آزاد اسلامی واحد تهران جنوب تهران
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 :