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

کاربرد الگوریتم های تکاملی در انتخاب واستخراج ویژگی در داده کاوی

Year: 1397
COI: INFM01_022
Language: PersianView: 499
This Paper With 11 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 11 صفحه است به صورت فایل PDF در اختیار داشته باشید.
آدرس ایمیل خود را در کادر زیر وارد نمایید:

Authors

عطاالله رفیعی باجی گوابر - دانشجو دکترای مهندسی کامپیوترگرایش هوش مصنوعی ورباتیک دانشگاه آزاد اسلامی لاهیجان
کامراد خوشحال رودپشتی - عضو هییت علمی دانشگاه آزاد اسلامی لاهیجان
شکوفا مستوفی - دانشجوی دکترای علوم کامپیوترگرایش هوش مصنوعی

Abstract:

انتخاب واستخراج ویژگی ها از بهترین ومهم ترین وظایف وگام ها برای تجزیه وتحلیل داده وپردازش اطلاعات در سیستم های طبقه بندی الگو و برنامه های کاربردی داده کاوی است. انتخاب و استخراج ویژگی ها می توانند بر عملکرد سیستم تشخیص الگو تاثیر بگذارند. انتخاب ویژگی، تعداد ویژگی هارا بوسیله از بین بردن خطاها، اطلاعات وداده های غیر ضروری کاهش می دهد.در این گزارش از سه تکنیک انتخاب ویژگی مبتنی بر بهینه سازی کلونی مورچه ACO استفاده شده است تا کاربرد این الگوریتم ها را در داده کاوی بیان نماید. این تکنیک های ذکرشده عبارتند از: الگوریتم بهینه سازی کلونی مورچه ی پیشرفته برای اتخاب زیر مجموعه ویژگی، روش انتخاب ویژگی بهبودیافته مبتنی بربهینه سازی کلونیمورچه ACO ارزیابی شده برروی سیستم تشخیص چهره وسیستم طبقه بندی ترکیبی مبتنی بر کلونی مورجه با انتخاب زیر مجموعه ویژگی ها و بهینه سازی پارامترهای مدل. متداول ترین تکنیک های مبتنی بر ACO برای انتخاب ویژگی ازاطلاعات پیشین ویژگی ها استفاده می کنند. در سیستم طبقه بندی مبتنی بر کلونی مورچه یک مدل ارایه می شود که ترکیبی از ACO وماشین آلات بردار پشتیبان SVM می باشد که هدف آن بهبود دقت طبقه بندی با کوچک ترین ومناسب ترین زیر مجموعه ویژگی است. همچنین یک الگوریتم اتخاب ویژگی نوین مبتنی بر بهینه سازی کلونی مورچه که ACO ی پیشرفته باینری نامیده می شود ارایه شده است. در الگوریتم های پیشنهاد شده عملکرد طبقه بندی کننده و طول بردار ویژگی انتخاب شده به عنوان اطلاعات اکتشافی برای ACO تصویب شده است. نتایج تجربی بدست آمده نشان می دهد که الگوریتم های پیشنهاد شده برای انتخاب ویژگی عملکرد بهتری نسبت به سایر روش های انتخاب ویژگی دارند و سبب بالا رفتن دقت طبقه بندی شده وزیر مجموعه ویژگی مناسب و کوچک تری ایجاد می کنند.

Keywords:

الگوریتم بهینه سازی کلونی مورچه، داده کاوی، استخراج ویژگی، ماشین الات بردار پشتیبان

Paper COI Code

This Paper COI Code is INFM01_022. 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/773287/

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:
رفیعی باجی گوابر، عطاالله و خوشحال رودپشتی، کامراد و مستوفی، شکوفا،1397،کاربرد الگوریتم های تکاملی در انتخاب واستخراج ویژگی در داده کاوی،The First National Conference on New Ideas in Engineering and Engineering،Rasht،،،https://civilica.com/doc/773287

Research Info Management

Certificate | Report | من نویسنده این مقاله هستم
این Paper در بخشهای موضوعی زیر دسته بندی شده است:

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

Scientometrics

The specifications of the publisher center of this Paper are as follows:
Type of center: Azad University
Paper count: 2,724
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