استخراج ویژگی ها و کاهش ابعاد در الگوریتم های یادگیری ماشین به روش تصویر افکنی تصادفی (RP)
Publish place: 16th Iran"s Electrical Engineering Student Conference
Publish Year: 1392
نوع سند: مقاله کنفرانسی
زبان: Persian
View: 4,880
This Paper With 6 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:
ISCEE16_148
تاریخ نمایه سازی: 21 تیر 1393
Abstract:
همواره کار کردن با بانکهای اطلاعاتی حجیم، مشکلات خاص و عدیده ای را بهمراه دارد. لذا با بهره گرفتن از روشهای کاهش ابعاد به دنبال تقلیل ابعاد بانک اطلاعاتی هستیم. در این مقاله ابتدا به بیان مقدمه ای در مورد روشهای کاهش ابعاد پرداخته شده، سپس روش PCA که یکی از معروف ترین روشهای استخراج ویژگی هاست مورد بررسی قرار گرفته است. پس از آن روش تصویر افکنی تصادفی (RP)، یکی دیگر از این روشها، معرفی شده و به بررسی مقایسه این دو روش پرداخته شده است. برای انجام مقایسه از دو بانک اطلاعاتی معتبر و الگوریتم یادگیری ماشین NN ستفاده شده است. معیارهایی که برای مقایسه مد نظر بوده است، عبارتند از: پیچیدگی و حجم محاسبات، زمان انجام محاسبات و دقت روش. در پایان با تحلیل نمودارهای به دست آمده توسط نرم افزار MATLAB نتیجه زیر حاصل شده است: در برخی موارد دقت روش RP نه تنها با دقت PCA برابری کرده، بلکه بیشتر از آن نیز می تواند باشد. از طرفی پیچیدگی کمتر RP، -علی الخصوص در مواردی که با حجم زیاد داده مواجه باشیم – آن را به روشی مفیدتر و کاربردی تر از PCA تبدیل خواهد کرد.
Keywords:
Authors
حجت حاجی آبادی
کارشناس ارشد برق-کنترل دانشگاه فردوسی مشهد
محمد باقر نقیبی سیستانی
استادیار گروه برق دانشگاه فردوسی مشهد
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 :