بررسی اثر پارامترهای الگوریتم ازدحام ذرات در داده کاوی و استخراج ویژگی های دیتاست

سعید علیزاده ماهانی

بررسی اثر پارامترهای الگوریتم ازدحام ذرات در داده کاوی و استخراج ویژگی های دیتاست

Publish place: کنفرانس بین المللی چشم انداز 2020 و پیشرفت های تکنولوژیک مهندسی برق، کامپیوتر و فناوری اطلاعات

Publish Year: 1395

Type: Conference paper

Language: Persian

This Paper With 8 Page And PDF Format Ready To Download

DOWNLOAD Paper

Certificate
I'm the author of the paper

این Paper در بخشهای موضوعی زیر دسته بندی شده است:

هوش مصنوعی > داده کاوی

Export:

Link to this Paper:

https://civilica.com/doc/572077

Document National Code:

EECIT01_070

Index date: 25 April 2017

بررسی اثر پارامترهای الگوریتم ازدحام ذرات در داده کاوی و استخراج ویژگی های دیتاست abstract

مسیله انتخاب ویژگی، یکی از مسایلی است که در مبحث یادگیری ماشین و همچنین شناسایی آماری الگو مطرح است که در آن تکنیک های موثر برای کاهش ابعاد یک دیتاست و انتخاب ویژگی های مرتبط با حوزه مسیله، مطرح است. این تکنیک در بسیاری از کاربردها مانند طبقه بندی اهمیت به سزایی دارد، زیرا در این کاربردها تعداد زیادی ویژگی وجود دارد که بار اطلاعاتی چندانی ندارند. الگوریتم بهینه سازی اجتماع ذرات یک تکنیک فرا- ابتکاری مدرن برای جستجوی فضای مسیله با هدف یافتن جواب های نزدیک به نقطه ی بهینه است. این الگوریتم با تکیه بر روش های هوش جمعی به حل مسایل بهینه سازی مختلف می پردازد. در این پروژه هدف آن است که بتوان با بررسی پارامترهای مختلف الگوریتم بهینه سازی اجتماع ذرات در مسیله ی انتخاب ویژگی بر روی داده های نمونه (با ساختار و ویژگی های متفاوت)، نتیجه گرفت که چه پارامترهایی کارایی را نتیجه بهتری می دهند. به طور کلی نتایج این تحقیق نشان می دهند که حجم جمعیت اولیه و پارامترهای سرعت، برای یک مقدار مشخص بهترین تاثیر را دارند.

بررسی اثر پارامترهای الگوریتم ازدحام ذرات در داده کاوی و استخراج ویژگی های دیتاست Keywords:

انتخاب ویژگی , داده کاوی , بهینه سازی اجتماع ذرات

بررسی اثر پارامترهای الگوریتم ازدحام ذرات در داده کاوی و استخراج ویژگی های دیتاست authors

سعید علیزاده ماهانی

مهندسی نرم افزار، دانشگاه آزاد اسلامی، واحد بردسیر

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 :

Manning, C. D., Raghavan, P., & Schitze, H., 2008. Introduction ...

_ Xue B., 2014. Particle Swarm Optimization for Feature Selection ...

Tu, CJ., Chuang, LY., Chang, JY., Yang, CH., 2007. Feature ...

Deng, K., 1998. OMEGA On-Line Memory-Based General Purpose System Classifier: ...

_ _ _ _ Evaluation. EEE Intermationl ...

Ladha, L., 2011. Feature Selection Methods and Algorithms. Department of ...

Kalousis A., Prados A., Hilario M., 2007. Stability of Feature ...

_ _ _ _ _ _ _ _ _ Proceeding ...

Pablo A. Estevez, Michel Tesmer, Claudio A. Perez, and Jacek ...

Liu, H., & Setiono, R., 1995. Chi2: Feature Selection and ...

Sikonja M.R., & Kononenko I., 2003. Theoretical and Empirical Analysis ...

_ _ , _ _ _ _ _ _ 125. ...

Liu, Y., Wang, G., Chen, H., Dong, H., Zhu, X., ...

Xue, B., Zhang, M., & Browne, W.N, 2012. Multi-Objective Particle ...

Yuan, H., Tseng, S.S., & Gangshan, W., 1999. A Two-Phase ...

Coello, C.A.C., & Lechuga, M.S., 2002. MOPSO: A Proposal for ...

Dataset Resources., 2016. ...

نمایش کامل مراجع