CIVILICA We Respect the Science
(ناشر تخصصی کنفرانسهای کشور / شماره مجوز انتشارات از وزارت فرهنگ و ارشاد اسلامی: ۸۹۷۱)
عنوان
مقاله

یک روش جدید انتخاب ویژگی مبتنی بر الگوریتم کلونی مورچگان

اعتبار موردنیاز PDF: ۱ WORD: ۳ | تعداد صفحات: ۷ | تعداد نمایش خلاصه: ۷۸ | نظرات: ۰
سال انتشار: ۱۳۹۵
کد COI مقاله: ACCSI22_123
زبان مقاله: فارسی
حجم فایل: ۹۶۷.۶۹ کیلوبایت (فایل این مقاله در ۷ صفحه با فرمت PDF قابل دریافت می باشد)
محتوای کامل این مقاله با فرمت WORD هم قابل دریافت می باشد.

راهنمای دانلود فایل کامل این مقاله

متن کامل این مقاله دارای ۷ صفحه و در دو فرمت PDF یا WORD بر اساس انتخاب شما، قابل خریداری است. شما می توانید از طریق بخش روبرو فایل PDF این مقاله را با پرداخت اینترنتی ۳,۰۰۰ تومان و یا فایل با فرمت WORD را به قیمت ۹,۰۰۰ تومان بلافاصله دریافت فرمایید.
قبل از اقدام به دریافت یا خرید مقاله، حتما به فرمت مقاله و تعداد صفحات مقاله دقت کامل را مبذول فرمایید.
علاوه بر خرید تک مقاله، می توانید با عضویت در سیویلیکا مقالات را به صورت اعتباری دریافت و ۲۰ تا ۳۰ درصد کمتر برای دریافت مقالات بپردازید. اعضای سیویلیکا می توانند صفحات تخصصی شخصی روی این مجموعه ایجاد نمایند.
برای راهنمایی کاملتر راهنمای سایت را مطالعه کنید.

خرید و دانلود فایل PDF یا WORD مقاله

با استفاده از پرداخت اینترنتی بسیار سریع و ساده می توانید اصل این مقاله را که دارای ۷ صفحه است به صورت فایل PDF و یا WORD در اختیار داشته باشید.
آدرس ایمیل خود را در کادر زیر وارد نمایید:

مشخصات نویسندگان مقاله یک روش جدید انتخاب ویژگی مبتنی بر الگوریتم کلونی مورچگان

  محمدحسن فلاح دلچه - دانشجوی کارشناسی ارشد، گروه مهندسی کامپیوتر، دانشگاه گیلان، رشت
  حمیدرضا احمدی فر - استادیار، گروه مهندسی کامپیوتر، دانشگاه گیلان، رشت
  ابوالقاسم میرروشندل - استادیار، گروه مهندسی کامپیوتر، دانشگاه گیلان، رشت
  علی بقایی - کارشناس ارشد، گروه مهندسی فناوری اطلاعات، دانشگاه صنعتی خواجه نصیرالدین طوسی، تهران

چکیده مقاله:

درسال های اخیر و با رشد روز افزون داده‎ها، حجم انبوهی از داده‎ها ذخیره و نگه‎داری می شوند که تمام این داده ها جهت استفاده مجدد مورد نیاز نخواهند بود. یکی از روش‎های کاهش حجم داده‎های تکراری و کم اهمیت، روش انتخاب ویژگی‎های مهم می باشد. این مقاله با استفاده از الگوریتم بهینه‎سازی کلونی مورچگان که به عنوان یک روش ابتکاری مطرح است، به دنبال کاهش ابعاد مجموعه‎داده‎ها با حفظ عملکرد اولیه داده‎ها می باشد. از روش Wrapper و شبکه عصبی برای انتخاب ویژگی‎ها استفاده شده است. در این مقاله محاسبه فاصله ویژگی‎ها (η) با دو روش〖SU〗_FC و〖SU〗_FF انجام خواهد شد. نتایج نشان دهنده عملکرد مناسب الگوریتم در مجموعه‎داده‎های بزرگتر می باشد.

کلیدواژه‌ها:

انتخاب ویژگی، کاهش ابعاد داده، بهینه‎سازی کلونی مورچگان، انتروپی، Wrapper

کد مقاله/لینک ثابت به این مقاله

برای لینک دهی به این مقاله، می توانید از لینک زیر استفاده نمایید. این لینک همیشه ثابت است و به عنوان سند ثبت مقاله در مرجع سیویلیکا مورد استفاده قرار میگیرد:
https://www.civilica.com/Paper-ACCSI22-ACCSI22_123.html
کد COI مقاله: ACCSI22_123

نحوه استناد به مقاله:

در صورتی که می خواهید در اثر پژوهشی خود به این مقاله ارجاع دهید، به سادگی می توانید از عبارت زیر در بخش منابع و مراجع استفاده نمایید:
فلاح دلچه, محمدحسن؛ حمیدرضا احمدی فر؛ ابوالقاسم میرروشندل و علی بقایی، ۱۳۹۵، یک روش جدید انتخاب ویژگی مبتنی بر الگوریتم کلونی مورچگان، بیست و دومین کنفرانس ملی سالانه انجمن کامپیوترایران، تهران، دانشگاه صنعتی شریف -انجمن کامپیوتر ایران، https://www.civilica.com/Paper-ACCSI22-ACCSI22_123.html

در داخل متن نیز هر جا که به عبارت و یا دستاوردی از این مقاله اشاره شود پس از ذکر مطلب، در داخل پارانتز، مشخصات زیر نوشته می شود.
برای بار اول: (فلاح دلچه, محمدحسن؛ حمیدرضا احمدی فر؛ ابوالقاسم میرروشندل و علی بقایی، ۱۳۹۵)
برای بار دوم به بعد: (فلاح دلچه؛ احمدی فر؛ میرروشندل و بقایی، ۱۳۹۵)
برای آشنایی کامل با نحوه مرجع نویسی لطفا بخش راهنمای سیویلیکا (مرجع دهی) را ملاحظه نمایید.

علم سنجی و رتبه بندی مقاله

مشخصات مرکز تولید کننده این مقاله به صورت زیر است:
نوع مرکز: دانشگاه دولتی
تعداد مقالات: ۹۸۵۱
در بخش علم سنجی پایگاه سیویلیکا می توانید رتبه بندی علمی مراکز دانشگاهی و پژوهشی کشور را بر اساس آمار مقالات نمایه شده مشاهده نمایید.

مدیریت اطلاعات پژوهشی

اطلاعات استنادی این مقاله را به نرم افزارهای مدیریت اطلاعات علمی و استنادی ارسال نمایید و در تحقیقات خود از آن استفاده نمایید.

مقالات پیشنهادی مرتبط

مقالات مرتبط جدید

شبکه تبلیغات علمی کشور

به اشتراک گذاری این صفحه

اطلاعات بیشتر درباره COI

COI مخفف عبارت CIVILICA Object Identifier به معنی شناسه سیویلیکا برای اسناد است. COI کدی است که مطابق محل انتشار، به مقالات کنفرانسها و ژورنالهای داخل کشور به هنگام نمایه سازی بر روی پایگاه استنادی سیویلیکا اختصاص می یابد.
کد COI به مفهوم کد ملی اسناد نمایه شده در سیویلیکا است و کدی یکتا و ثابت است و به همین دلیل همواره قابلیت استناد و پیگیری دارد.