ایجاد درخت تصمیم فازی اکتشافی مبتنی بر حداکثر ابهام برروی دادههای کلان
Publish place: The Second International Conference on Intelligent Information Networks and Complex Systems
Publish Year: 1393
نوع سند: مقاله کنفرانسی
زبان: Persian
View: 733
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:
IINC02_006
تاریخ نمایه سازی: 25 فروردین 1394
Abstract:
درخت تصمیم یکی از اساسیترین روشهای یادگیری ماشین مخصوصاً در زمینههای درمانی میباشد. با توجه به گسترش روزافزون پایگاههای دادهای درمانی وجود روشهایی که با حداقل مشاهدات به بهترین نتایج در چنین پایگاه دادههای کلان دسترسی پیدا کنندالزامی به نظر میرسد. درخت تصمیم فازی مبتنی بر حداکثر ابهام گرچه قادر است سریعتر از از درخت تصمیم فازی مبتنی بر نمونه تصادفی به جواب دست پیدا نماید اما همچنان از تعداد زیاد نمونههای آزمایشی و زمان بالا مورد نیاز جهت ایجاد درخت تصمیم با صحت مطلوب رنج میبرد. در این مقاله روش پیشنهادی بر دوپایه زیر استوار است: نخست درخت تصمیم فازی اکتشافی(دتفا) استکه در هر زیر مجموعه به بهترین نتایج نسبت به درخت تصمیم فازی و درخت تصمیم گسسته دست پیدا میکند، و دیگری انتخاب نمونههای آزمایشی با بیشترین ابهام که سبب تسریع در دستیابی به درخت تصمیم با دقت مناسب با بررسی حداقل داده آزمایشی میگردد. روش پیشنهادی با توجه به دارا بودن مزایای ذکر شده قادر است علاوه بر تسریع صحت نتایج ، حجم محاسبات مورد نیاز برای دستیابی به اطلاعات مورد نظر را به شدت کاهشدهد
Keywords:
درخت تصمیم فازی اکتشافی – پایگاه دادههای کلان - پایگاههای دادهای درمانی – بیشترین ابهام
Authors
رضا صادقی
دانشجو کارشناسی ارشد، دانشکده برق و کامپیوتر، دانشگاه بین المللی امام رضا (ع)، مشهد، ایران
علی رضا شائین
دانشجو کارشناسی ارشد، دانشکده برق و کامپیوتر، دانشگاه بین المللی امام رضا (ع)، مشهد، ایران
حسن عباسی
استادیار دانشکده برق و کامپیوتر، دانشگاه بین المللی امام رضا (ع)، مشهد، ایران
جواد حمیدزاده
استادیار دانشکده مهندسی کامپیوتر و فناوری اطلاعات، دانشگاه صنعتی سجاد، مشهد، ایران
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 :