روشی مقاوم مبتنی بر بهینه سازی چند هدفه برای انتخاب ویژگی از دااده های ابعاد بالا به منظور دسته بندی اسناد
Publish place: 3rd International Conference on Applied Research in Computer Engineering and Information Technology
Publish Year: 1394
نوع سند: مقاله کنفرانسی
زبان: Persian
View: 614
This Paper With 9 Page And PDF Format Ready To Download
- Certificate
- من نویسنده این مقاله هستم
استخراج به نرم افزارهای پژوهشی:
شناسه ملی سند علمی:
CITCONF03_248
تاریخ نمایه سازی: 12 تیر 1395
Abstract:
با توجه به اینکه دسته بندی اسناد منجر به بازیابی اطلاعات مناسب می شود ولی ابعاد بالای فضای ویژگی های یک چالش مهم در کارایی دسته بندی اسناد است این چالش موجب کاهش صحت و پیچیدگی بالای محاسبات در الگوریتم های یادگیری ماشین جهت دسته بندی اسناد می شود در این مقاله یک روش ترکیبی مبتنی بر تصفیه و پوشش مبتنی بر الگوریتم NSGAII جهت کاهش ابعاد با هدف حفظ دقت دسته بندی اسناد پیشنهاد داده ایم. سپس ویژگی های مازاد رااز مجموعه بهینه ویژگیها حذف نموده ایم. باتوجه به آزمایشات انجام شده بر روی مجموعه داده رویترز؛ میزان صحت روش پیشنهادی با استفاده از دسته بندی Naïve Bayes 0.906 و با استفاده از دسته بند 0.916 است و همچنین میزان مقاومت روش پیشنهادی 78 درصد می باشد.
Keywords:
Authors
مریم کرباسی
کارشناسی ارشد کامپیوتر نرمافزار دانشگاه علوم و تحقیقات واحد نیشابور ایران
محمدحسین معطر
استادیار گروه کامپیوتر دانشگاه آزاد اسلامی واحد 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 :