ارائه روشی ترکیبی جهت بهبود درخت تصمیم فازی وزن دار
محل انتشار: همایش مهندسی کامپیوتر و توسعه پایدار با محوریت شبکه های کامپیوتری، مدلسازی و امنیت سیستم ها
سال انتشار: 1392
نوع سند: مقاله کنفرانسی
زبان: فارسی
مشاهده: 1,629
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:
CESD01_031
تاریخ نمایه سازی: 25 اسفند 1392
چکیده مقاله:
انتخاب ویژگی، یکی از تکنیک های مهم و پرکاربرد در مراحل پیش پردازش دادهها برای داده کاوی است. تاکنون برای انتخاب ویژگی از روش- های متنوعی استفاده شده است. در دهههای اخیر، روشهای تکاملی بهعنوان یک ابزار جستجو و بهینه سازی در حوزههای مختلفی مانند علوم تجاری و مهندسی مورد استفاده قرار گرفته است. وسعت دامنه کاربرد، سهولت استفاده و قابلیت دستیابی به جواب نزدیک و بهینه مطلق از جمله دلایل مؤفقیت این روشها است. الگوریتم کلونی زنبور که یکی از جدیدترین و کارآمدترین الگوریتم های تکاملی است، میتواند با انتخاب ویژگی های مناسب به بالاتر بردن کارائی و دقت آنها منجر شود. در این مقاله به ارائه یک روش ترکیبی جهت بالابردن دقت طبقهبندی درختان تصمیم فازی وزندار بر مبنای انتخاب ویژگی از طریق الگوریتم کلونی زنبور و ترکیب آن با درخت تصمیم فازی وزندار خواهیم پرداخت. بررسی عملکرد، دقت و نتایج حاصل از شبیه سازی این روش، نشاندهنده مؤثر بودن آن در بهبود دقت طبقه بندی است.
کلیدواژه ها:
درخت تصمیم فازی (وزندار) ، بهینه سازی ، الگوریتم کلونی زنبورهای مصنوعی (ABC) ، انتخاب ویژگی ، شبکه عصبی MLP
نویسندگان
اعظم شاه نظر
دانشجوی کارشناسی ارشد دانشکده فنی و مهندسی دانشگاه آزاد اسلامی واحد تهران جنوب تهران
مریم خادمی
استادیار دانشکده علوم پایه دانشگاه آزاد اسلامی واحد تهران جنوب تهران
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 :