Publisher of Iranian Journals and Conference Proceedings

Please waite ..
Publisher of Iranian Journals and Conference Proceedings
Login |Register |Help |عضویت کتابخانه ها
Paper
Title

مقایسه طبقه بندی داده های نامتوازن توسط الگوریتم ماشین بردار پشتیبانی با الگوریتم شبکه عصبی

کنفرانس بین المللی تحقیقات بین رشته ای در مهندسی برق، کامپیوتر، مکانیک و مکاترونیک در ایران و جهان اسلام
Year: 1397
COI: ECMM01_082
Language: PersianView: 537
This Paper With 9 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 9 صفحه است به صورت فایل PDF در اختیار داشته باشید.
آدرس ایمیل خود را در کادر زیر وارد نمایید:

Authors

مریم عمادالدین - دانشجوی کارشناسی ارشد مهندسی کامپیوتر، موسسه آموزش عالی غیرانتفاعی آبا
نسرین بدیع - استاد دانشگاه آزاد اسلامی واحد تهران جنوب
حمید خفاجه - هیات علمی موسسه آموزش عالی غیر انتغاعی آبا

Abstract:

به طور کلی هدف داده کاوی، یادگیری و آموختن از داده ها است. داده کاوی با بهره گیری از ابزارهای تجزیه و تحلیل داده ها به منظور کشف الگوها و روابط معتبری که تاکنون ناشناخته بوده اند به طبقه بندی داده ها می پردازد. این ابزارها ممکن است مدل های آماری، الگوریتم های ریاضی و روش های یاد گیرنده باشند که این کار خود را به صورت خودکار و بر اساس تجربه ای که از طریق شبکه های عصبی یا ماشین برداری پشتیبان به دست می آورند بهبود می بخشد. با توجه به اینکه داده های کنونی از حالت ساختاریافته و متوازن به سمت غیرساختاری و نامتوازن می روند و حجم این مدل مجموعه داده ها در دنیای واقعی چشمگیرتر شده است. ماشین بردار پشتیبانی تعمیم خوبی برای داده های نامتوازن و همچنین توانایی یادگیری یک رابطه غیر خطی بین داده ها و متغیر هدف است و در مقایسه با روشی مانند شبکه عصبی ساده تر، دقت و سرعت اجرایی بالاتر و خطای پایین تری دارد. در این مقاله به شبیه سازی بر روی مجموعه داده واقعی نامتوازن برگرفته از پایگاه داده UCI می پردازیم و نتایج را در دو روش SVM و شبکه عصبی با توجه به سه معیار ارزیابی صحت، خطا و زمان اجرای الگوریتم مقایسه می کنیم تا ثابت کنیم یکی از پرکابردترین روش های کلاسیک طبقه بندی داده ها در داده کاوی برای داده های واقعی نامتوازن نمی تواند جواب دقیقی بدهد و باید از روش های نوین مانند ماشین بردار پشتیبان برای اینگونه داده ها استفاده کرد.

Keywords:

Paper COI Code

This Paper COI Code is ECMM01_082. 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/805362/

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:
عمادالدین، مریم و بدیع، نسرین و خفاجه، حمید،1397،مقایسه طبقه بندی داده های نامتوازن توسط الگوریتم ماشین بردار پشتیبانی با الگوریتم شبکه عصبی،International Conference on Interdisciplinary Studies in Electrical, Computer, Mechanical and Mechatronics Engineering in Iran and the Islamic World،Karaj،https://civilica.com/doc/805362

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: موسسه غیرانتفاعی
Paper count: 355
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

New Researchs

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