طبقه بندی کلاس های کمیاب مبتنی بر مجموعه های دانه درشت و پردازش تکاملی

سال انتشار: 1387
نوع سند: مقاله کنفرانسی
زبان: فارسی
مشاهده: 1,090

فایل این مقاله در 7 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:

ACCSI14_015

تاریخ نمایه سازی: 26 مهر 1387

چکیده مقاله:

نمونه های کمیاب اغلب بسیار مورد توجه می باشند. در تشخیص پزشکی، بیماری های نادری نظیر سرطان بسیار جالب تر از بیماری های معمولی نظیر سرماخوردگی می باشند. در این مقاله به منظور طبقه بندی کلاس های کمیاب، به تولید یک مجموعه از قوانین مبتنی بر مجموعه های دانه درشت و پردازش تکاملی پرداخته شده است. ابتدا بر روی مجموعه داده ها، عملیات پیش پردازش شامل استفاده از مقادیر عمومی به جای مقادیر گمشده و گسسته سازی مشخصه ها انجام، سپس با بهره گیری از تئوری مجموعه های دانه درشت و پردازش تکاملی، مشخصه های مناسب استخراج می شوند. در انتها با استفاده از پردازش تکاملی یک مجموعه قوانین که تنها کلاسهای کمیاب را مورد پیشبینی قرار می دهند، ارایه شده است. نتایج به دست آمده بر روی مجموعه داده های مختلف که دارای مشخصه های زیادی هستند در مقایسه با نتایج معتبر ارایه شده، بسیار مطلوب تر بوده است.

کلیدواژه ها:

نویسندگان

بهناز نحوی

دانشکده علوم، دانشگاه آزاد اسلامی واحد کرج

بابک نصیری

دانشکده مهندسی برق، کامپیوتر و فناوری اطلاعات دانشگاه آزاد اسلامی ق

ابوالفضل طرقی حقیقت

دانشکده مهندسی برق، کامپیوتر و فناوری اطلاعات دانشگاه آزاد اسلامی ق

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 :
  • _ Kantardzic , Data Mining Concepts , Models , Method ...
  • Mathematics University of Warsaw, 1996. [2] J. R. Quinlan. C++ ...
  • Michalski, R. S., On the quas i-minimal solution ...
  • Missing Values _ _ _ _ ...
  • _ Discretization Int. Symposium on Information Processing, 125- ...
  • Rough Set Theory 128, 1969. 4 Data Cleansing ...
  • Rough [4] Clark, P. and Boswell, R., Rule induction with ...
  • _ 0 ' _ _ CN2: Some recent improvements. In: ...
  • Cohen, W., Fast effective rule induction. In. Proc 12th ICML, ...
  • DeJong, K. A., Spears, W. M, Gordon, D. F., Using ...
  • A. A. Freitas. Evolutionary computation. Handbook of Data Mining and ...
  • Wong, M. L., Leung, K. S., Data Mining using Grammar ...
  • Lio, H. And Motoda H., eds., Instance Selection and Construction ...
  • Lian-Yin Zhai*, Li-Pheng Khoo, Sai-Cheong Fok , Feature extraction using ...
  • Komorow ski, J., Pawlak, Z., Polkowski, L. & Skowron, A. ...
  • D. E. Goldberg. Genetic algorithms in search, optimization, and machine ...
  • Jakub Wroblerwski, Finding minimal reducts using genetic algorithm _ Instiute ...
  • نمایش کامل مراجع