ارائه نسخه جدیدی از الگوریتم RCA با به کارگیری روشی مبتی بر سیستم ایمنی مصنوعی  

Publish Year: 1388
نوع سند: مقاله کنفرانسی
زبان: Persian
View: 1,450

This Paper With 7 Page And PDF Format Ready To Download

  • Certificate
  • من نویسنده این مقاله هستم

استخراج به نرم افزارهای پژوهشی:

لینک ثابت به این Paper:

شناسه ملی سند علمی:

CSICC15_156

تاریخ نمایه سازی: 26 مهر 1388

Abstract:

کارایی بسیاری از الگوریتم های طبقه بندی که به نوعی ازمعیار فاصله برای طبقه بندی کردن داده ها تست استفاده می کنند به شدت به نوع معیار فاصله مورد استفاده وابسته اس ت . با استفاده ازروش های یادگیری معیار فاصله می توان کارایی این الگوریتم ها را بهبود بخشید. الگوریتم RCA به عنوان یک روش ساده، موثر و سریع راهی برای تولید یک تبدیل ماهانولوبیس با رتبه کامل ارائه می کند. این تبدیل به کمک جمع وزن دار ماتریس های کواریانس دسته های موجوددر کلاس ها بدست می آید. در این مقاله برای یافتن دسته های موجوددر کلاس ها، الگوریتم سیستم ایمنی مصنوعی (AD-AIRS) Adaptive Distance-AIRS را ارائه می کنیم. این الگوریتم با استفاده از مجموعه داده های آموزشی و با الهام گرفتن ازسیستم ایمنی بدن، سلول های حافظه (یا الگوهای نماینده ) تولیدمی کند. هر یک از این سلول های حافظه محدوده ای از فضای حالت را پوشش می دهند که دسته های مورد استفاده در الگوریتم RCA را نمایش می دهد و در پایان الگوریتم AIS-RCA را ارائه می کنیم. همچنین با استفاده از داده های استاندارد UCI و طبقه بندی کننده ی نزدیکترین همسایه (INN) کارایی الگوریتم جدید را ارزیابی می کنیم.

Keywords:

سیستم ایمنی مصنوعی (AIS) , RCA(Relevant Component Analysis) , تبدیل ماهانولوبیس , دسته , AIRS(Artificial Immune Recognition System)

Authors

امین زارع

دانشگاه پیام نور دانشکده علوم و مهندسی کامپیوتر

روح الله تقی زاده

دانشجوی کارشناسی ارشد نرم افزار بخش علوم و مهندسی کامپیوتر، دانشگاه ش

منصور ذوالقدر جهرمی

عضو هیئت علمی، بخش علوم و مهندسی کامپیوتردانشگاه شیراز

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 :
  • M.Z. Jahromi, E. Parvinnia, R. John, A method of learning ...
  • weighted similarity function to improve the performance of nearest neighbor, ...
  • J.Wang, P.Neskovic, L.Cooper, Improving nearest neighbor rule with a simple ...
  • R.Paredes, E.Vidal, Learning prototypes and distances (LPD). A prototype reduction ...
  • J.B. Tenenbaum, V. de Silva, and J. C. Langford. A ...
  • D.Wilson, T.R Martinez, Value difference metrics for continuously valued attributes, ...
  • N. Shental, T. Hertz, D. Weinshall, and M. Pavel, Adjustment ...
  • A. Zare, M. Z. Jahromi .Prototype generation by new AD- ...
  • A.Watkins, L. Boggess, A new classifier based On resource limited ...
  • A. Bar-Hillel, T. Hertz, N. Shental, and D. Weinshall, "Learning ...
  • نمایش کامل مراجع