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

واکشی داده ها با استفاده از یک الگوریتم فازی ترکیبی جدید ژنتیک گرانشی

اعتبار موردنیاز PDF: ۱ | تعداد صفحات: ۱۴ | تعداد نمایش خلاصه: ۱۹۲ | نظرات: ۰
سال انتشار: ۱۳۹۳
کد COI مقاله: RCEITT01_085
زبان مقاله: فارسی
حجم فایل: ۱.۲۱ مگابات (فایل این مقاله در ۱۴ صفحه با فرمت PDF قابل دریافت می باشد)

راهنمای دانلود فایل کامل این مقاله

متن کامل این مقاله دارای ۱۴ صفحه در فرمت PDF قابل خریداری است. شما می توانید از طریق بخش روبرو فایل PDF این مقاله را با پرداخت اینترنتی ۳۰,۰۰۰ ریال 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 مقاله

با استفاده از پرداخت اینترنتی بسیار سریع و ساده می توانید اصل این مقاله را که دارای ۱۴ صفحه است به صورت فایل PDF در اختیار داشته باشید.
آدرس ایمیل خود را در کادر زیر وارد نمایید:

مشخصات نویسندگان مقاله واکشی داده ها با استفاده از یک الگوریتم فازی ترکیبی جدید ژنتیک گرانشی

  محسن اسدی زنگنه - دانشگاه آزاد اسلامی واحد بافت، باشگاه پژوهشگران جوان و نخبگان، بافت، ایران.
  شقایق اسدی زنگنه - دانشجوی کارشناسی کامپیوتر نرم افزار دانشگاه آزاد اسلامی واحد دزفول.
  گلشن زنگنه - دانشجوی کارشناسی کامپیوتر نرم افزار دانشگاه آزاد اسلامی واحد ایذه.

چکیده مقاله:

امروزه با توجه به میزان زیاد حجم دادهها، پیچیدگی آنها و نیاز انسان برای دستیابی به دانش نهفته در آنها استفاده از یک روش و ابزار مؤثر لازم است. دادهکاوی فرایندی است که به ما در دستیابی به چنین دانشی که اخیراً در بیشتر زمینهها مورداستفادهقرارگرفته است، یاری میکند. هدف ما در این تحقیق این است که روش مؤثری برای کاوش دادهها پیدا کنیم. مدل و پیشنهاد ارائهشده، اطلاعات موردنیاز را به کمک سیستم فازی و بر اساس مجموعهای از قوانین IF-THEN به دست آورده و طبقهبندیمیکند. بهمنظور بهینهسازی مجموعه قوانین فازی بهدستآمده، ترکیبی از الگوریتم ژنتیک و گرانشی شبیهسازیشده مورداستفادهقرار میگیرد. الگوریتم گرانشی شبیهسازیشده سعی میکند، مجموعهای از قوانین فازی را کشف کرده که با مجموعهای از قوانین دارای بهترین عملکرد مرتبط هستند و میتوانند از راهحلهای بهینه محلی با استفاده از مکانیزم الگوریتم ژنتیک رهایی یابند. واطمینان یابد که در جستجو راهحلهای فعلی ملاقات نشود . درنهایت، پیادهسازی روش پیشنهادی با استفاده از زبان ++ C برای مجموعهای از دادههای UCI بکار گرفته شد، که نتایج بهدستآمده در این زمینه نشاندهنده تأثیر و صحت زیاد روش پیشنهادی در مقایسه با دیگر روشها است. که این نتایج روش پیشنهادی را بهینه نشان میدهند.

کلیدواژه‌ها:

واکشی دادهها، الگوریتم فازی، الگوریتم ژنتیک، الگوریتم گرانشی، دادهکاوی.

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-RCEITT01-RCEITT01_085.html
کد COI مقاله: RCEITT01_085

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:
اسدی زنگنه, محسن؛ شقایق اسدی زنگنه و گلشن زنگنه، ۱۳۹۳، واکشی داده ها با استفاده از یک الگوریتم فازی ترکیبی جدید ژنتیک گرانشی، اولین همایش ملی پژوهش های مهندسی رایانه، تهران، مرکز توسعه پایدار علم و صنعت فرزین، https://www.civilica.com/Paper-RCEITT01-RCEITT01_085.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: (اسدی زنگنه, محسن؛ شقایق اسدی زنگنه و گلشن زنگنه، ۱۳۹۳)
برای بار دوم به بعد: (اسدی زنگنه؛ اسدی زنگنه و زنگنه، ۱۳۹۳)
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 :

  • Larose, Daniel T., Discovering knowledge in data: an introduction to ...
  • Fayyad, U., Piatetsky- Shapiro, G., Smyth, P. & Uthurusamy, R., ...
  • Kamath, C., On mining scientific data sets. Data Mining in ...
  • Schmitt, Lothar M (2004), Theory of Genetic Algorithms II: models ...
  • Lee, J.-Y., Olafsson, S., Multi attribute decision trees and decision ...
  • Langley P, Simon A. Applications of machine learning and rule ...
  • Bennett, K.P., Decision tree construction via linear programming. In: Proceedings ...
  • Quinlan, J.R., C4.5: Programs for Machine Learning, Morgan- Kaufmann, San ...
  • Chang, C.-C., & Lin, C.-J., LIBSVM: a library for support ...
  • John, G. H., & Langley, P., Estimating continuous distributions in ...
  • علم سنجی و رتبه بندی مقاله

    مشخصات مرکز تولید کننده این مقاله به صورت زیر است:
    نوع مرکز: دانشگاه آزاد
    تعداد مقالات: ۳۱۰
    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 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.