سیویلیکا را در شبکه های اجتماعی دنبال نمایید.

ارائه روشی کارا برای شناسایی کاربران دستگاه های دیجیتالی مختلف با استفاده از الگوریتم Xgboost بهبو د یافته

Publish Year: 1398
Type: Conference paper
Language: Persian
View: 939

This Paper With 12 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:

CECCONF07_039

Index date: 15 August 2019

ارائه روشی کارا برای شناسایی کاربران دستگاه های دیجیتالی مختلف با استفاده از الگوریتم Xgboost بهبو د یافته abstract

در این تحقیق روش XGBoost بهبود یافته را برای تشخیص کاربران در میان دستگاه های دیجیتالی مختلف معرفی کرده و سپس به اعمال آن بر روی دادگان پرداخته و با نتایج الگوریتم های درخت تصمیم، ماشین بردار پشتیبان و K نزدیک ترین همسایگان مقایسه کردیم. با آزمایشات متوالی و متفاوت به این اثبات می کنیم که تعداد برگ های 200 و تعداد درختان 1000 بهترین نتیجه را که عدد 99.94 است می دهد. این نتیجه در زمان 5439.26 ثانیه بدست می آید. الگوریتم پیشنهادی در زمان نسبت به الگوریتم های دیگری که بررسی کردیم بسیار بیشتر بوده و کیفیت بدی از خود نشان می دهد. اما اهمیت این الگوریتم در دقت اجرا و تشخیص آن است، تشخیصی نزدیک به تشخیص دقیق و 100 درصد به هر تعداد داده ورودی نتیجه این پژوهش است. این الگوریتم پیشنهادی به خوبی نشان می دهد که در صورت اجرای آفلاین که نیازی به سرعت نیست، به خوبی می تواند نتایج موثقی ارائه کند.

ارائه روشی کارا برای شناسایی کاربران دستگاه های دیجیتالی مختلف با استفاده از الگوریتم Xgboost بهبو د یافته Keywords:

ارائه روشی کارا برای شناسایی کاربران دستگاه های دیجیتالی مختلف با استفاده از الگوریتم Xgboost بهبو د یافته authors

میلاد اشرفی

دانشگاه آزاد اسلامی، واحد علوم و تحقیقات، گروه مهندسی کامپیوتر، تهران، ایران

مرتضی محمدی زنجیره

دانشگاه بین المللی امام خمینی، گروه مهندسی کامپیوتر، قزوین، ایران

مقاله فارسی "ارائه روشی کارا برای شناسایی کاربران دستگاه های دیجیتالی مختلف با استفاده از الگوریتم Xgboost بهبو د یافته" توسط میلاد اشرفی، دانشگاه آزاد اسلامی، واحد علوم و تحقیقات، گروه مهندسی کامپیوتر، تهران، ایران؛ مرتضی محمدی زنجیره، دانشگاه بین المللی امام خمینی، گروه مهندسی کامپیوتر، قزوین، ایران نوشته شده و در سال 1398 پس از تایید کمیته علمی هفتمین کنفرانس ملی علوم و مهندسی کامپیوتر و فناوری اطلاعات پذیرفته شده است. کلمات کلیدی استفاده شده در این مقاله درخت تصمیم، شناسایی کاربران، دسته بندی، Xgboost هستند. این مقاله در تاریخ 24 مرداد 1398 توسط سیویلیکا نمایه سازی و منتشر شده است و تاکنون 939 بار صفحه این مقاله مشاهده شده است. در چکیده این مقاله اشاره شده است که در این تحقیق روش XGBoost بهبود یافته را برای تشخیص کاربران در میان دستگاه های دیجیتالی مختلف معرفی کرده و سپس به اعمال آن بر روی دادگان پرداخته و با نتایج الگوریتم های درخت تصمیم، ماشین بردار پشتیبان و K نزدیک ترین همسایگان مقایسه کردیم. با آزمایشات متوالی و متفاوت به این اثبات می کنیم که تعداد برگ های 200 ... . این مقاله در دسته بندی موضوعی درخت تصمیم طبقه بندی شده است. برای دانلود فایل کامل مقاله ارائه روشی کارا برای شناسایی کاربران دستگاه های دیجیتالی مختلف با استفاده از الگوریتم Xgboost بهبو د یافته با 12 صفحه به فرمت PDF، میتوانید از طریق بخش "دانلود فایل کامل" اقدام نمایید.