انتخاب ویژگی های موثر در مجموعه داده های با ابعاد بالا با استفاده از روشهای جدید یادگیری ماشین
Publish Year: 1393
نوع سند: مقاله کنفرانسی
زبان: Persian
View: 2,011
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:
ICEEE06_092
تاریخ نمایه سازی: 1 مهر 1394
Abstract:
انتخاب ویژگی یکی از موضوعات مهم در حوزه یادگیری ماشین و تشخیص الگو می باشد. در این مقاله یک روش ترکیبی انتخاب ویزگی بر اساس فیلتر هم بستگی و زیرشبکه های عصبی مصنوعی ارائه می گردد. الگوریتم پیشنهادی در دو مرحله زیر مجموعه ویژگی را انتخاب می کند. در مرحله اول از فیلتر هم بستگی برای حذف ویژگی های افزونه و بی ربط استفاده شده و در مرحله ی دوم زیر شبکه های عصبی- فازی انطباقی از میان ویزگی های باقی مانده با استفاده از الگوریتم جستجوی رو به جلو، ویژگی هایی با کمترین میزان وابستگی را انتخاب می کند که قدرت کلاس بندی شبکه را افزایش دهند ما کارایی این الگوریتم را با اعمال آن بر روی شش مجموعه داده ی کلاس بندی ارزیابی نموده ایم. نتایج بدست آمده نشان دهنده ی قدرت اینالگوریتم در انتخاب زیرمجموعه ویژگی های می باشد.
Keywords:
Authors
رضوان منتظر
گروه مهندسی کامپیوتر، دانشگاه آزاد اسلامی واحد دزفول، دزفول، ایران
علیرضا عصاره
دانشیار گروه مهندسی کامپیوتر، دانشگاه شهید چمران اهواز
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 :