ارایه یک روش نوین یادگیری چىد تا یی برای طبق بندی داده های عظیم
سال انتشار: 1394
نوع سند: مقاله کنفرانسی
زبان: فارسی
مشاهده: 602
فایل این مقاله در 15 صفحه با فرمت PDF قابل دریافت می باشد
- صدور گواهی نمایه سازی
- من نویسنده این مقاله هستم
استخراج به نرم افزارهای پژوهشی:
شناسه ملی سند علمی:
CITCONF03_020
تاریخ نمایه سازی: 12 تیر 1395
چکیده مقاله:
با رشد روزافزون داده ها و نیاز به بهره برداری وتحلیل از این داده ها بکارگیری زیرساختهای Big Data از اهمیت ویژه ای برخوردار شدهاست لذا در این پژوهش بر آن شدیم تا با ارایه یک روش نوین در یادگیرنده های چندتایی به طبقه بندی این گونه داده ها عظیم بپردازیم. ازآنجایی که حجم این گونه داده ها بسیار زیاد بوده و در هر لحظه به تعداد آنها افزوده می شود. سپس با رای گیری از این کلاسیفایرها میزان دقت محاسبه شده است. به منظور بررسی عملکرد این الگوریم این روش با ۴ روش دیگر الگوریتم نزدیکترین همسایه ها درخت تصمیم گیری C4.5 بگینگ سنتی و بگینگتنبل به عنوان الگوریتم های رقیب بروری مجموعه بزرگ از ۲۲ مجموعه داده UCI که یکی از پرکاربردترین مجموعه داده ها در مبحث یادگیری ماشین می باشد اعمال شده است.
کلیدواژه ها:
داده های عظیم ، کلاسیفایرهای چندتایی ، بوت استرپ سمپلینک ، نزدیک ترین همسایه توزیع شده ، ساختار ژنها و پروتئینها ، بی نظمی
نویسندگان
هومن منظری
دانشگاه صنعتی شیراز شیراز خیابان مدرس
رضا جاویدان
دانشگاه صنعتی شیراز شیراز خیابان مدرس
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 :