بهبود دقت الگوریتم KNN در داده کاوی با استفاده از قوانین وابستگی
Publish place: 15th Annual Conference of Computer Society of Iran
Publish Year: 1388
نوع سند: مقاله کنفرانسی
زبان: Persian
View: 5,020
متن کامل این Paper منتشر نشده است و فقط به صورت چکیده یا چکیده مبسوط در پایگاه موجود می باشد.
توضیح: معمولا کلیه مقالاتی که کمتر از ۵ صفحه باشند در پایگاه سیویلیکا اصل Paper (فول تکست) محسوب نمی شوند و فقط کاربران عضو بدون کسر اعتبار می توانند فایل آنها را دریافت نمایند.
- 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:
CSICC15_004
تاریخ نمایه سازی: 26 مهر 1388
Abstract:
الگوی KNN یکی از بهترین و پرکاربردترین الگوریتمهای دسته بندی است که از ان استفاده گسترده ای در کاربردهای مختلف می شود. یکی ازمشکلات این الگوریتم، تاثیر یکسان همه ی خصیصه ها در محاسبه ی فاصله ی رکورد جدید با همسایه های آن رکورد می باشد. در صورتیکه برخی ازاین خصیصه ها برای عمل دسته بندی کم اهمیت ترند. این امر باعث گمراهی روند دسته بندی و کاهش دقت الگوریتم دسته بند می شود. دراین تحقیق با استفاده از اقلام پررخداد یکتایی در قوانین وابستگی به خصیصه های مختلف وزن اختصاص داده و با این عمل دقت الگوریتم KNN را افزایش می دهیم مقایسه ی نتایج ارزیابی این الگوریتم با 7 الگوریتم دیگر دسته بندی بر روی پایگاه داده های مختلف UCI، بهبود قابل توجه دقت دسته بندی توسط این الگوریتم را نشان میدهد.
Authors
مهدی مرادیان
دانشگاه آزاد اسلامی واحد فلاورجان
محمدکاظم سپهری فر
دانشگاه آزاد اسلامی واحد فلاورجان
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 :