انتخاب ویژگی های موثر در مجموعه داده های با ابعاد بالا با استفاده از روشهای جدید یادگیری ماشین
محل انتشار: ششمین کنفرانس مهندسی برق و الکترونیک ایران
سال انتشار: 1393
نوع سند: مقاله کنفرانسی
زبان: فارسی
مشاهده: 2,010
فایل این مقاله در 6 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:
ICEEE06_092
تاریخ نمایه سازی: 1 مهر 1394
چکیده مقاله:
انتخاب ویژگی یکی از موضوعات مهم در حوزه یادگیری ماشین و تشخیص الگو می باشد. در این مقاله یک روش ترکیبی انتخاب ویزگی بر اساس فیلتر هم بستگی و زیرشبکه های عصبی مصنوعی ارائه می گردد. الگوریتم پیشنهادی در دو مرحله زیر مجموعه ویژگی را انتخاب می کند. در مرحله اول از فیلتر هم بستگی برای حذف ویژگی های افزونه و بی ربط استفاده شده و در مرحله ی دوم زیر شبکه های عصبی- فازی انطباقی از میان ویزگی های باقی مانده با استفاده از الگوریتم جستجوی رو به جلو، ویژگی هایی با کمترین میزان وابستگی را انتخاب می کند که قدرت کلاس بندی شبکه را افزایش دهند ما کارایی این الگوریتم را با اعمال آن بر روی شش مجموعه داده ی کلاس بندی ارزیابی نموده ایم. نتایج بدست آمده نشان دهنده ی قدرت اینالگوریتم در انتخاب زیرمجموعه ویژگی های می باشد.
کلیدواژه ها:
نویسندگان
رضوان منتظر
گروه مهندسی کامپیوتر، دانشگاه آزاد اسلامی واحد دزفول، دزفول، ایران
علیرضا عصاره
دانشیار گروه مهندسی کامپیوتر، دانشگاه شهید چمران اهواز
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 :