ناشر تخصصی کنفرانس های ایران

لطفا کمی صبر نمایید

Publisher of Iranian Journals and Conference Proceedings

Please waite ..
Publisher of Iranian Journals and Conference Proceedings
Login |Register |Help |عضویت کتابخانه ها
Paper
Title

طبقه بندی کلان داده های نامتعادل با استفاده از الگوریتم جنگل تصادفی

Year: 1394
Publish place:
COI: ITCC02_269
Language: PersianView: 1,088
This Paper With 12 Page And PDF Format Ready To Download

Buy and Download

با استفاده از پرداخت اینترنتی بسیار سریع و ساده می توانید اصل این Paper را که دارای 12 صفحه است به صورت فایل PDF در اختیار داشته باشید.
آدرس ایمیل خود را در کادر زیر وارد نمایید:

Authors

وحید فاضلی نیا - دانشجوی کارشناسی ارشد، کامپیوتر نرمافزار، دانشگاه بین المللی امام رضا (ع)، مشهد، ایران
عادل قاضی خانی - عضو هیئت علمی، کامپیوتر نرمافزار، دانشگاه بین المللی امام رضا (ع)، مشهد، ایران
پوریا محمدعلمی - دانشجوی کارشناسی ارشد، کامپیوتر نرمافزار، دانشگاه بین المللی امام رضا (ع)، مشهد، ایران

Abstract:

با افزایش رو به رشد نمایی داده ها و حجم بزرگی از آنها که به وجود آمده است، روز به روز نیاز به پررداز وتحلیل این داده های کلان بیشتر میشود. طبقه بندی داده ها، شکلی از تحلیل داده ها تلقی می شود، که در آنمدل هایی جهت توصیف کلاسهای مهمی از داده ها استخراج می شود . یکی از اهداف اصلی در طبقه بندیداده ها رسیدن به صحت بالاست و یکی از متدها برای رسیدن به این هدف استفاده از یادگیری تلفیقی است .جنگل تصادفی به عنوان درخت تصمیم تلفیقی شناخته می شود و کارایی خوبی هم در طبقه بندی داده های کلاندارد. طبقه بندی مجموعه داده های نامتعادل چالشی را برای اکثر تکنیک های یادگیری استاندارد به وجود آوردهاست و الگوریتم جنگل تصادفی هم تحت تاثیر مندی توزیع کلاس نامتعادل قرار گرفته است. در این کار، ازمتد SplitBal که روشی جدید در ایجاد تعادل داده های نامتعادل می باشد، برای متعادل سازی داده های کلاننامتعادل استفاده گردیده است و در نهایت کار طبقه بندی این نوع داده ها را با کمک الگوریتم جنگل تصادفیانجام داده ایم. نتایج این کار در مقابل کارهای انجام شده از جمله نمونه زدایی تصادفی و نمونه افزایی تصادفی وروش حساس به هزینه نتایجی بهتر در زمان اجرا و کارایی طبقه بندی را در بعضی از نگاشت کننده ها نشان می -دهد که مزیت این روش در مقابل دیگر روش ها نداشتن سربار و از دست دادن داده های مدید است. در این کاراز روش ارزیابی میانگین هندسی برای مقایسه روش پیشنهادی نسبت به روش های دیگر استفاده شده است.

Keywords:

Paper COI Code

This Paper COI Code is ITCC02_269. Also You can use the following address to link to this article. This link is permanent and is used as an article registration confirmation in the Civilica reference:

https://civilica.com/doc/501897/

How to Cite to This Paper:

If you want to refer to this Paper in your research work, you can simply use the following phrase in the resources section:
فاضلی نیا، وحید و قاضی خانی، عادل و محمدعلمی، پوریا،1394،طبقه بندی کلان داده های نامتعادل با استفاده از الگوریتم جنگل تصادفی،دومین کنفرانس بین المللی و سومین همایش ملی کاربرد فناوری های نوین در علوم مهندسی،Mashhad،https://civilica.com/doc/501897

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 :

  • Bache K., Lichman M., (2013) UCI Machine Learning Repository, <http ...
  • Chen, M., Mao, S., & Liu, Y. (2014). Big data: ...
  • del Rio, S., Lopez, V., Benitez, J. M., & Herrera, ...
  • Diez-Pastor, J. F., Rodriguez, J. J., Garcia-Osorio, C. I., & ...
  • Galar, M., Fernandez, A., Barrernechea, E., & Herrera, F. (2013). ...
  • =http ://cwiki _ apache _ org/confluenc e/di sp _ ay/MAH ...
  • Han, J., Kamber, M., & Pei, J. (2011). Data mining: ...
  • Liu, X. (2014). An Ensemble Method for Large Scale Machine ...
  • Lopez, V, del Rio, S. Benitez, J. M., & Herrera, ...
  • Marx, V. (2013). Biology: The big challenges of big data. ...
  • " Intcrma1ionl Confcrcncc _ _ Confcrcncc on Ncw Tcchnologics Application ...
  • Sun, Z., , Song, Q., Zhu, X, Sun, H., Xu, ...
  • Wu, _ Zhu, X., Wu, G. Q., & Ding, W. ...
  • Zhang, C., & Ma, Y. (2012). Ensemble Machine Learning. Springer. ...
  • Research Info Management

    Certificate | Report | من نویسنده این مقاله هستم

    اطلاعات استنادی این Paper را به نرم افزارهای مدیریت اطلاعات علمی و استنادی ارسال نمایید و در تحقیقات خود از آن استفاده نمایید.

    Reviews

    5.00
    1 تعداد پژوهشگران نظر دهنده
    5 1
    4 0
    3 0
    2 0
    1 0

    Scientometrics

    The specifications of the publisher center of this Paper are as follows:
    Type of center: موسسه غیرانتفاعی
    Paper count: 1,904
    In the scientometrics section of CIVILICA, you can see the scientific ranking of the Iranian academic and research centers based on the statistics of indexed articles.

    مقالات پیشنهادی مرتبط

    New Papers

    Share this page

    More information about COI

    COI stands for "CIVILICA Object Identifier". COI is the unique code assigned to articles of Iranian conferences and journals when indexing on the CIVILICA citation database.

    The COI is the national code of documents indexed in CIVILICA and is a unique and permanent code. it can always be cited and tracked and assumed as registration confirmation ID.

    Support