انتخاب ویژگی مبتنی بر الگوریتم ژنتیک چند هدفه برای ماشین بردار پشتیبان
Publish place: The 6th Conference of Al Robotics
Publish Year: 1395
نوع سند: مقاله کنفرانسی
زبان: Persian
View: 1,083
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:
IRANOPEN06_014
تاریخ نمایه سازی: 22 آبان 1395
Abstract:
روش های گوناگونی برای انتخاب ویژگی پیشنهاد شده اند تا یک زیر مجموعه مناسب از ویژگی ها در بین مجموعه داده های اولیه به دست آید. این روش ها براساس جستجو در فضای ویژگی های مبتنی بر یک معیار یا همان تابع هدف استوار هستند. این توابع به دو دسته کلی فیلتر و پوشاننده تقسیم می شوند. در روش های فیلتر زیر مجموعه ویژگی ها براساس معیارهایی نظیر فاصله درون و میان کلاسی و همبستگی ویژگی ها که فقط وابسته به داده ها هستند انتخاب می شوند. در حالی که در روش های پوشاننده از یک دسته بند برای ارزیابی مجموعه ویژگی استفاده می شود که از طریق سنجش دقت دسته بند انتخاب ویژگی انجام می شود در روش های فیلتر معمولاً یک معیار را به تنهایی برای انتخاب ویژگی در نظر می گیرند که لزوماً بهترین نتیجه را حاصل نمی کند. در این مقاله، پیشنهاد می شود که ضمن در نظر گرفتن معیارهای روش های فیلتر، معیار خطای دسته بندی هم در انتخاب ویژگی در نظر گرفته شود که به این منظور ماشین بردار پشتیبان برای دسته بندی استفاده شده است. در راستای این هدف، از روش تکاملی چند هدفه و به طور خاص از الگوریتم ژنتیک برای انتخاب ویژگی چند هدفه استفاده شده است. به این منظور معیارهای اطلاعات متقابل و لاپلاسین که به ترتیب بیانگر، محتویات اطلاعاتی ویژگی های و قدرت حفظ ساختار ویژگی ها هستند. در نظر گرفته شده اند و ترکیب آن ها با معیار خطای دسته بندی ماشین بردار پشتیبان، به عنوان اهداف توام انتخاب ویژگی در تابع برازندگی الگوریتم تکاملی پیشنهاد شده اند. نتایج بر روی برخی مجموعه داده های منتخب از UCI کارایی این روش را نشان می دهد.
Keywords:
Authors
مژگان الیکائی آهاری
دانشگاه آزاد اسلامی، واحد قزوین، دانشکده برق، رایانه و فناوری اطلاعات
بابک ناصر شریف
دانشگاه خواجه نصیرالدین طوسی، دانشکده مهندسی کامپیوتر
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 :