یک الگوریتم تکرار شونده مبتنی بر طبقه بندی کننده FSVM برای انتخاب ویژگی
سال انتشار: 1394
نوع سند: مقاله کنفرانسی
زبان: فارسی
مشاهده: 756
فایل این مقاله در 8 صفحه با فرمت PDF قابل دریافت می باشد
- صدور گواهی نمایه سازی
- من نویسنده این مقاله هستم
این مقاله در بخشهای موضوعی زیر دسته بندی شده است:
استخراج به نرم افزارهای پژوهشی:
شناسه ملی سند علمی:
ICCONF01_139
تاریخ نمایه سازی: 14 آذر 1394
چکیده مقاله:
با پیشرفتهای به وجود آمده در جمعآوری داده و قابلیتهای ذخیرهسازی در طی دهههای اخیر مجموعههای داده ای باابعادبالا علوم مختلف بهسرعت در حال افزایش هستند. بسیاری از این مجموعههای دادهای دارای تعداد زیادی ویژگی به نسبت تعدادکم الگوها هستند. بسیاری از این ویژگیها اغلب نامرتبط و دارای افزونگی هستند که منجر به کاهش عملکرد الگوریتم های طبقه بندی میشوند. از این رو انتخاب ویژگی، برای کاهش ابعاد مسئله و افزایش کارایی الگوریتم های طبقهبندی پیشنهاد شده است. در این مقالهیک روش جدید انتخاب ویژگی ارائه میشود. در روش پیشنهادی، با استفاده از الگوریتم طبقهبندی SVM یک روش انتخاب ویژگیمبتنی بر راهکار پوششی ارائه میشود. در این روش، ویژگیهای نامرتبط و دارای افزونگی به طور موثرحذف میشوند عملکرد روش پیشنهادی با شناختهشدهترین و جدیدترین روشهای انتخاب ویژگی مبتنی بر طبقه بندی ننده SVM مقایسه شده است نتایج آزمایشها نشان داد ه روش پیشنهادی از نظر دقت طبقهبندی دارای عملکرد مناسب است.
کلیدواژه ها:
نویسندگان
مرضیه دادور
استادیار دانشکده تحصیلات تکمیلی بوشهر
آرزو کامیاب
دانشجوی ارشد هوش مصنوعی بوشهر
مریم مشایخی فرد
دانشجوی ارشد هوش مصنوعی بوشهر
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 :