بهبود کارایی یک دستهبندی کننده مبتنی بر قوانین وابستگی فازی به کمک انتخاب ژنتیکی قوانین
Publish Year: 1394
نوع سند: مقاله کنفرانسی
زبان: Persian
View: 413
This Paper With 13 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:
CRSTCONF01_033
تاریخ نمایه سازی: 27 اسفند 1394
Abstract:
بحث درباره موضوع دستهبندی یکی از زمینههای موثر و پرکاربرد در دنیای امروزه به حساب میآید. یکی از تکنیکهایی که با تولید قوانین معتبر عمل دستهبندی را انجام میدهد و از تاثیرگذاری، کاربرد وجذابیت زیادی در پژوهشها برخوردار است، تکنیک استخراج قوانین وابستگی میباشد. این تکنیک روابط احتمالی قوی را به کمک تعیین پارامترهای پشتیبان و اطمینان کشف میکند. از مشکلات اساسیکه در این تکنیک وجود دارد، ایجاد قوانین و روابط بسیار زیاد است که هم تولید و تحلیل آنها زمانبر بوده و هم از دقت نتایج به دلیل انتخاب نادقیق آستانه پارامترهای پشتیبان و اطمینان توسط کاربر،کاسته میشود. در روش پیشنهادی، به کمک الگوریتم ژنتیک سعی میشود تا انتخاب بهینهتری از قوانین احتمالی برای دستهبندی دقیقتر صورت بپذیرد. نتایج تجربی بدست آمده به روشنی نشان میدهد که الگوریتم بهبودیافته ) CFAR-GRS ( از الگوریتم اصلی ) CFAR ( و الگوریتم های مشابه دیگر ) CBA ، CMAR و CPAR ( قابل فهمتر بوده یعنی تعداد قوانین تولید شده کمتری دارد. همچنینبه دلیل استفاده از یک الگوریتم تکاملی در انتخاب بهینهتر قوانین احتمالی، دستهبندی از دقت بیشتری نیز برخوردار شده است
Keywords:
Authors
مجتبی هروی
کارشناس ارشد مهندسی دانش و علوم تصمیم؛ از شرکت توزیع نیروی برق اهواز؛ عضو باشگاه پژوهشگران جوان و نخبگان دانشگاه آزاد اسلامی واحد قزوین، ا
تبسم عظیمی گله
کارشناس ارشد مدیریت بازرگانی بازاریابی؛ از شرکت توزیع نیروی برق اهواز
حسام زندحسامی
استادیار گروه مدیریت صنعتی، دانشگاه آزاد اسلامی واحد قزوین
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 :