CIVILICA We Respect the Science
ناشر تخصصی کنفرانسهای ایران
عنوان
مقاله

بهبود عملکرد الگوریتم های انتخاب ویژگی جستجوی عقبگرد و رو به جلو متوالی به کمک SVM

اعتبار موردنیاز : ۱ | تعداد صفحات: ۱۳ | تعداد نمایش خلاصه: ۳۵۰ | نظرات: ۰
سال انتشار: ۱۳۹۴
کد COI مقاله: COMPUTER02_067
زبان مقاله: فارسی
حجم فایل: ۷۰۷.۶۸ کیلوبایت (فایل این مقاله در ۱۳ صفحه با فرمت PDF قابل دریافت می باشد)

راهنمای دانلود فایل کامل این مقاله

اگر در مجموعه سیویلیکا عضو نیستید، به راحتی می توانید از طریق فرم روبرو اصل این مقاله را خریداری نمایید.
با عضویت در سیویلیکا می توانید اصل مقالات را با حداقل ۳۳ درصد تخفیف (دو سوم قیمت خرید تک مقاله) دریافت نمایید. برای عضویت در سیویلیکا به صفحه ثبت نام مراجعه نمایید. در صورتی که دارای نام کاربری در مجموعه سیویلیکا هستید، ابتدا از قسمت بالای صفحه با نام کاربری خود وارد شده و سپس به این صفحه مراجعه نمایید.
لطفا قبل از اقدام به خرید اینترنتی این مقاله، ابتدا تعداد صفحات مقاله را در بالای این صفحه کنترل نمایید.
برای راهنمایی کاملتر راهنمای سایت را مطالعه کنید.

خرید و دانلود فایل مقاله

با استفاده از پرداخت اینترنتی بسیار سریع و ساده می توانید اصل این مقاله را که دارای ۱۳ صفحه است در اختیار داشته باشید.

قیمت این مقاله : ۳,۰۰۰ تومان

آدرس ایمیل خود را در کادر زیر وارد نمایید:

مشخصات نویسندگان مقاله بهبود عملکرد الگوریتم های انتخاب ویژگی جستجوی عقبگرد و رو به جلو متوالی به کمک SVM

  فاطمه شفیع پور - دانشجوی کارشناسی ارشد کامپیوتر- نرم افزار، علوم و تحقیقات بیرجند
مصطفی سبزه کار - دانشجوی دکتری کامپیوتر- نرم افزار، فردوس مشهد
میلاد مردانی - دانشجوی کارشناسی ارشد برق- کنترل، فردوسی مشهد

چکیده مقاله:

مسئله انتخاب ویزگی، یکی از مهمترین مسائل در زمینه یادگیری ماشین و شناسائی الگو است. این مسئله در بسیاری از کاربردها (مانند طبقه بندی) اهمیت به سزائی دارد، زیرا در این کاربردها تعداد زیادی ویژگی وجود دارد، که بسیاری از آنها یا بلااستفاده هستند و یا اینکه بار اطلاعاتی چندانی ندارند. حذف نکردن این ویزگی ها مشکلی از لحاظ اطلاعاتی ایجاد نمی کند ولی بار محاسباتی را برای کاربرد مورد نظر بالا می برد. و علاوه بر این باعث می شود که اطلاعات غیرمفید زیادی را به همراه داده های مفید ذخیره کنیم. در این مقاله ما در ابتدا شرح مختصری از انتخاب ویژگی و طبقه بندی روش های آن را آورده ایم. سپس مروری بر طبقه بند svm را خواهیم داشت و دوالگوریتم انتخاب ویژگی sbs و sfs را مورد بررسی قرار دادیم. مشکل این دوالگوریتم عدم امکان ارزیابی مجدد ویزگی انتخابی در هر مرحله است، که باعث پایین آمدن نرخ شناسایی می شود، ما برای رفع این مشکل روشی را پیشنهاد دادیم. این روش با ترکیب دو الگوریتم انخاب ویزگی و همچنین استفاده از طبقه بند svm توانسته است مجموعه جواب مطلوبی را حاصل نماید. انتخاب ویزگی با استفاده از ماشین های بردار پشتیبان نتایج قابل قبولی بدست آورده است. بنابراین ما با ترکیب دو الگوریتم انتخاب ویزگی sbs و sfs به کمک طبقه بند svm باعث بهبود انتخاب ویزگی و حذف ویژگی های غیرمرتبط شدیم. در انتها می بینیم آزمایشات بر مجموعه داده ها دارای نتایج بهتری می باشد که در قالب نمودار و جداول مشهود است.

کلیدواژه‌ها:

انتخاب ویژگی، ماشین بردار پشتیبان، جستجوی رو به جلو متوالی، جستجو عقبگرد متوالی

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-COMPUTER02-COMPUTER02_067.html
کد COI مقاله: COMPUTER02_067

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:
شفیع پور, فاطمه؛ مصطفی سبزه کار و میلاد مردانی، ۱۳۹۴، بهبود عملکرد الگوریتم های انتخاب ویژگی جستجوی عقبگرد و رو به جلو متوالی به کمک SVM، مهندسی کامپیوتر و پژوهشهای نیاز محور آخرین دستاوردهای در فناوری اطلاعات، مشهد، موسسه آموزش عالی خاوران، https://www.civilica.com/Paper-COMPUTER02-COMPUTER02_067.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: (شفیع پور, فاطمه؛ مصطفی سبزه کار و میلاد مردانی، ۱۳۹۴)
برای بار دوم به بعد: (شفیع پور؛ سبزه کار و مردانی، ۱۳۹۴)
برای آشنایی کامل با نحوه مرجع نویسی لطفا بخش راهنمای سیویلیکا (مرجع دهی) را ملاحظه نمایید.

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 :

  • - A. Blum and P.P Langley, "Selection of relevant features ...
  • - U. G. Mangai, S. Samanta, S. Das and P ...
  • - Guyon, I.Elisseeff, A. An introduction o variable and feature ...
  • - J. Huang, Y. Cai, X. Xu, A hybrid genetic ...
  • wrapper based on mutual information, Pattern Recognition Letters, Vol. 28, ...
  • _ Silvia Casado Yusta, Different metaheuristic strategies to solve the ...
  • - Marc Sebban, Richard Nock, A hybrid /wrapper approach of ...
  • _ Hongwen Zheng, Yanxia Zhang, Feature selection for hi gh-dimensional ...
  • - Yvan saey, in aki inza and pedro larran aga, ...
  • - Patricia E.N Lutu, Andries P.Engelbrecht, A decision rule-based method ...
  • for feature selection in predictive data mining, Expert Systems with ...
  • -S. Maldonado, R. Weber, and J. Basak, "Simultaneos feature selection ...
  • -H. Xia and B.Q. Hu, "Feature selection using fuzzy support ...
  • -S. Maldonado and R. Weber, _ Wrapper method for feature ...
  • -W. Tang, "Feature Selection Using Hybrid Taguchi Genetic Algorithm and ...
  • -S. Zaman and F Karray, :Features Selection for Intrusion Detection ...
  • -W. Xiong and C. Wang, "Feature Selection: A Hybrid Approach ...
  • علم سنجی و رتبه بندی مقاله

    مشخصات مرکز تولید کننده این مقاله به صورت زیر است:
    نوع مرکز: دانشگاه آزاد
    تعداد مقالات: ۲۰۴۵
    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.