سیویلیکا را در شبکه های اجتماعی دنبال نمایید.

بهینه کردن ویژگیها با استفاده از الگوریتم ژنتیکبا رویکرد خوشه بندی داده ها

Publish Year: 1395
Type: Conference paper
Language: Persian
View: 578

This Paper With 5 Page And PDF Format Ready To Download

این Paper در بخشهای موضوعی زیر دسته بندی شده است:

Export:

Link to this Paper:

Document National Code:

KBEI03_056

Index date: 2 August 2017

بهینه کردن ویژگیها با استفاده از الگوریتم ژنتیکبا رویکرد خوشه بندی داده ها abstract

یکی از مشکلات دادههای با ابعاد زیاد این است که در بیشتر مواقع تمام ویژگیها برای یافتن دانشی که در دادهها نهفته است مهم و حیاتی نیستند و حتی بعضی از ویژگیها منجر به گمراهی الگوریتمهای دادهکاوی میگردند. با توجه به زمانبربودن و پیچیدگی روشهای دقیق کاهش ویژگی، از روشهای بهینهسازی هوشمند بدین منظور استفاده میشود. تا با پیدا کردن بهینهترین زیرمجموعه ی ویژگیها از کل فضای ویژگیهای اصلی مساله، علاوه بر کاهش تعداد ویژگیها و هزینههای محاسباتی، نرخ بازشناسی را به میزان قابلتوجهی بهبود بخشید . در این پژوهش جهت کاهش ابعاددرمجموعه دادهها به کمک و الگوریتم انتخاب ویژگی PCA و الگوریتم بهینهسازی ژنتیک سعی شده است بهترین زیرمجموعه از ویژگیهای مجموعه داده انتخاب شود بهطوری که ضمن کاهش ابعاد میتوان به دقت خوشهبندی مطلوبی دست یافت.روش پیشنهادی درنرم افزارMATLAB پیادهسازی و بر روی مجموعه دادههای glass ، wine ،iris مورد آزمایش قرار گرفته شده است.همچنین برای مقایسهی نتایج روش پیشنهادی با الگوریتمهای خوشهبندی پایهی ،Single Linkage ،K-means Complete و Centroid Linkage, Average Linkage Ward Linkage ، Linkage و FCM از معیارهای فیشر، دقت وNmi بهرهگرفته شده است.نتایج آزمایشها نشان از کارایی رضایت بخش روش پیشنهادی درمواجهه با مجموعه دادههای مختلف دارد

بهینه کردن ویژگیها با استفاده از الگوریتم ژنتیکبا رویکرد خوشه بندی داده ها Keywords:

بهینه کردن ویژگیها با استفاده از الگوریتم ژنتیکبا رویکرد خوشه بندی داده ها authors

محبوبه صفری

دانشجوی دانشجوی کارشناسی ارشد، دانشگاه آزاد اسلامی واحد لامرد، لامرد، ایران

جعفر پرتابیان

گروه مهندسی کامپیوتر، واحد لامرد، دانشگاه آزاد اسلامی، لامرد، ایران

عادل جهانبانی

گروه مهندسی کامپیوتر، واحد لامرد، دانشگاه آزاد اسلامی، لامرد، 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 :
صادق سلیمان‌پور "معرفی روش‌های مختلف انتخاب ویژگی"، گزارش تحقیق درس ...
R. O. Duda, P. E. Hart, D. G. Stork, Pattern ...
M. Dash and H. Liu, Feature Selection for Clas sification. ...
L. Mayaud, L. Tarassenko, and G. D. Clifford, Genetic Algorithm ...
K. Kira and L.A. Rendell, The feature selection problem: Traditional ...
C. J. Van Rijsenbergen, Fundation of Evaluation. Journal of D ...
نمایش کامل مراجع

مقاله فارسی "بهینه کردن ویژگیها با استفاده از الگوریتم ژنتیکبا رویکرد خوشه بندی داده ها" توسط محبوبه صفری، دانشجوی دانشجوی کارشناسی ارشد، دانشگاه آزاد اسلامی واحد لامرد، لامرد، ایران؛ جعفر پرتابیان، گروه مهندسی کامپیوتر، واحد لامرد، دانشگاه آزاد اسلامی، لامرد، ایران؛ عادل جهانبانی، گروه مهندسی کامپیوتر، واحد لامرد، دانشگاه آزاد اسلامی، لامرد، ایران نوشته شده و در سال 1395 پس از تایید کمیته علمی سومین کنفرانس بین المللی مهندسی دانش بنیان و نوآوری پذیرفته شده است. کلمات کلیدی استفاده شده در این مقاله الگوریتم بهینهسازی، انتخاب ویژگی، خوشهبندی،ژنتیک، کاهش ابعاد هستند. این مقاله در تاریخ 11 مرداد 1396 توسط سیویلیکا نمایه سازی و منتشر شده است و تاکنون 578 بار صفحه این مقاله مشاهده شده است. در چکیده این مقاله اشاره شده است که یکی از مشکلات دادههای با ابعاد زیاد این است که در بیشتر مواقع تمام ویژگیها برای یافتن دانشی که در دادهها نهفته است مهم و حیاتی نیستند و حتی بعضی از ویژگیها منجر به گمراهی الگوریتمهای دادهکاوی میگردند. با توجه به زمانبربودن و پیچیدگی روشهای دقیق کاهش ویژگی، از روشهای بهینهسازی هوشمند بدین منظور استفاده میشود. تا با پیدا کردن ... . این مقاله در دسته بندی موضوعی الگوریتم ژنتیک طبقه بندی شده است. برای دانلود فایل کامل مقاله بهینه کردن ویژگیها با استفاده از الگوریتم ژنتیکبا رویکرد خوشه بندی داده ها با 5 صفحه به فرمت PDF، میتوانید از طریق بخش "دانلود فایل کامل" اقدام نمایید.