ارائه یک روش کارایی انتخاب ویژگی در مجموعه دادههای با ابعاد بالا

سال انتشار: 1394
نوع سند: مقاله کنفرانسی
زبان: فارسی
مشاهده: 713

فایل این مقاله در 21 صفحه با فرمت PDF قابل دریافت می باشد

این مقاله در بخشهای موضوعی زیر دسته بندی شده است:

استخراج به نرم افزارهای پژوهشی:

لینک ثابت به این مقاله:

شناسه ملی سند علمی:

CITCONF03_401

تاریخ نمایه سازی: 12 تیر 1395

چکیده مقاله:

با پیشرفت های به وجود آمده در جمع آوری داده و قابلیتهای ذخیره سازی در طی دهه های اخیر مجموعه های داده های باابعاد بالا در علوم مختلف به سرعت در حال افزایش هستند. بسیاری از این مجموعه های داده ای تعداد زیادی ویژگی به نسبت تعداد کم الگوها هستند بسیار از این ویژگی های اغلب نامرتبط و دارای افزونگی هستند کهمنجر به کاهش عملکرد الگوریتمهای طبقه بندی می شوند. ا ز طرف دیگر قابلیت تعمیم الگوریتم طبقه بندی افزایش پیدا می کند در این مقاله قابلیت تعمیم الگوریتم طبقه بندی افزایش پیدا میکند دراینمقاله یک روش انتخاب ویژگی با استفاده از خوشه بندی گراف ارائه می شود.

نویسندگان

هاجر احمدی

گروه مهندسی کامپیوتر دانشکده فنی مهندسی دانشگاه شهید چمران اهواز ایران

سیدعنایت الله علوی

گروه مهندسی کامپیوتر دانشکده فنی مهندسی دانشگاه شهید چمران اهواز ایران

مراجع و منابع این مقاله:

لیست زیر مراجع و منابع استفاده شده در این مقاله 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 مقاله لینک شده اند :
  • Liu. H. "Feature Selection; An Ever Evolving Frontier in Data ...
  • Jung-Yi Jiang, Ren-Jia Liou, and S.-J. Lee, _ Fuzzy Self- ...
  • Zini, L., , et al., "Structured multi-class feature selection with ...
  • adaptation and feature selection method for content-based image retrieval systems". ...
  • Inbarani, H.H., A.T. Azar, and G. Jothi, "Supervised hybrid feature ...
  • Cheng-Lung Huang and C.-Y. "Tsai, A hybrid SOFM-SVR with a ...
  • Vignolo, L.D., D.H. Milone, and J. Scharcanski, :Feature selection for ...
  • theory". Pattern Recognition, 2012. 45(8): p. Pages 2992-3002. ...
  • Classification and Clustering". IEEE Transactions on Knowledge And Data Engineering, ...
  • Chandrash ekar, G. and F. Sahin, _ survey on feature ...
  • P. Pudil, J. Novovicova1, and J. Kittler., "Floating search methods ...
  • Raileanu, L.E. and K. Stoffel, "Theoretical comparison between the Gini ...
  • Unler, A., A. Murat, and R.B. Chinam, mr2PSO: _ relevance ...
  • Support Vector Machines". Machine Learning 2002. 46(1): p. 389-422. Holland, ...
  • Xin Sun, et al., "Feature evaluation and selection with cooperative ...
  • Liu, H. and L. Yu, "Toward Integrating Feature Selection Algorithms ...
  • Isabelle Guyon, et al., "Gene Selection for Cancer Classification using ...
  • C. De Stefano, et al., _ GA-based feature selection approach ...
  • Md. Shahjahan, and K. Murase., " A new local search ...
  • optimization algorithm for feature selection". Applications, 2012. 39(3): p. 3747-3763. ...
  • Xi Zhao, W. Deng., and Y. Sh, :Feature Selection with ...
  • Xi Zhao, W.D., Yong Shi, "Feature Selection with graphival nodle ...
  • Selection Algorithm for High -Dimensional Data". IEEE Transactions on p. ...
  • Vincent, B, Jean.G., Renaud. L, and Etinne. L, "Fast unfolding ...
  • S. Theodoridis and C. Koutroumbas, "Pattern Recognition", 4th Edn. Elsevier ...
  • D.E.Goldberg, "Genetic Algorithms in Search". Optimization and Machine Learning, firsted. ...
  • Availablefrom _ _ http:/archive. _ uci. edu/m l/datasets. html>, 2007. ...
  • S. Theodoridis and C. Koutroumbas, "Pattern Recognition", 4th Edn. Elsevier ...
  • Song, Q., J. Ni, and G. Wang, _ Fast Clustering-B ...
  • Asuncion, A. and D. Newman, "UCI repository of machine learning ...
  • نمایش کامل مراجع