بهینه سازی انتخاب ویژگی بر اساس تئوری بازیهای همکارانه

Publish Year: 1394
نوع سند: مقاله کنفرانسی
زبان: Persian
View: 871

This Paper With 8 Page And PDF Format Ready To Download

  • Certificate
  • من نویسنده این مقاله هستم

استخراج به نرم افزارهای پژوهشی:

لینک ثابت به این Paper:

شناسه ملی سند علمی:

REGCMAES02_027

تاریخ نمایه سازی: 30 دی 1394

Abstract:

رشد چشمگیر و غیرقابل تصور در حجم داده های تولید و ذخیره شده در نهادها منجر به پنهان شدن دانش های مفید و ناشناخته در درون انبوه اطلاعات شده است که با معرفی و استفاده از دانش داده کاوی سعی در استخراج این مفاهیم با ارزش داریم. مهمترین چالش در این زمینه ابعاد زیاد یا به عبارتی تعداد زیاد ویژگی ها در مجموعه داده ها ما را با مشکل در این زمینه مواجه خواهد کرد. علاوه بر این با حذف این ویژگی های اضافی سبب افزایش کارایی الگوریتم های داده کاوی و حتی به دلیل کاهش داده های آلوده می توان در برخی موارد به نتایج بهتری رسید. در این مقاله روشی بر اساس بازی های همکارانه برای بررسی قدرت هر ویژگی ارائه شده است. این قدرت می تواند با متریک های مختلفی نشان داده شود، که ما در این مقاله از دقت طبقه بندی برای بررسی میزان قدرت هر ویژگی و از ایده ارزش شپلی برای تقسیم سود حاصل از همکاری ویژگی ها در دقت طبقه بند بدست آمده، استفاده کرده ایم. به منظور بررسی تاثیر روش خود، آن را با دیگر روش های انتخاب ویژگی موجود مقایسه نموده ایم و نتایج نشان می دهد که روش پیشنهادی در اکثر موارد بهتر عمل می کند.

Authors

سیدپیمان عمادی

دانشگاه تبریز، گروه مهندسی برق و کامپیوتر، تبریز، ایران; دانشگاه آزاد اسلامی واحد زنجان، گروه مهندسی کامپیوتر، زنجان، ایران;موسسه آموزش ع

سعید آذرشب

دانشگاه آزاد اسلامی واحد زنجان، گروه مهندسی کامپیوتر، زنجان، 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 :
  • Jensen, R., Combining rough and fuzzy sets for feature selection. ...
  • Guyon, I. and A. Elisseeff, An introduction to variable and ...
  • Liu, H. and L. Yu, Toward integrating feature selection algorithmus ...
  • Brown, G., et al., Conditional likelihood mmaximisatio! a unifying framework ...
  • Sun, X., et al., Using cooperative game theory to optimize ...
  • Yu, L. and H. Liu, Efficien t feature selection via ...
  • Jinjie, H., C. Yunze, and X. Xiaoming. A Filter Approach ...
  • Deisy, C., et al. Efficient dimensionality reduction approaches for feature ...
  • International Conference on. 2007. IEEE. ...
  • Liu, H., et al., Feature selection with dynamic nutual information. ...
  • Sebban, M. and R. Nock, A hybrid filter/wrapper approach of ...
  • Mitra, P., C. Murthy, and S.K. Pal, Unsupervised feature selection ...
  • Keinan, A., et al., Fair attribution of functional contribution in ...
  • نمایش کامل مراجع