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

انتخاب ویژگی در مجموعه داده های دستنویس با استفاده از الگوریتم تکاملی ژنتیک

اعتبار موردنیاز PDF: ۱ | تعداد صفحات: ۱۰ | تعداد نمایش خلاصه: ۱۶۳ | نظرات: ۰
سال انتشار: ۱۳۹۴
کد COI مقاله: REGCMAES02_035
زبان مقاله: فارسی
حجم فایل: ۶۳۷.۴۵ کیلوبایت (فایل این مقاله در ۱۰ صفحه با فرمت PDF قابل دریافت می باشد)

راهنمای دانلود فایل کامل این مقاله

متن کامل این مقاله دارای ۱۰ 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 ۱۰ صفحه است به صورت فایل PDF در اختیار داشته باشید.
آدرس ایمیل خود را در کادر زیر وارد نمایید:

مشخصات نویسندگان مقاله انتخاب ویژگی در مجموعه داده های دستنویس با استفاده از الگوریتم تکاملی ژنتیک

  صحرا رجب لو - دانشجو، ارشد مهندسی نرم افزار، دانشگاه آزاد اسلامی واحد سمنان
  فاطمه امیرجان - دانشجو، ارشد مهندسی نرم افزار، دانشگاه آزاد اسلامی واحد سمنان

چکیده مقاله:

مقاله ای که به پیاده سازی آن پرداخته شده است بدون اطلاعات اولیه خاص در مورد تعداد زیر مجموعه ویژگی ها عملیات انتخاب ویژگی صورت می پذیرد و برای جستجو و انتخاب ویژگی از الگوریتم ژنتیک باینری بهره برده شده است و تابع هزینه نیز تابعی است بر اساس معیار LDA یا Linear Discriminant Analysis یا معیار آنالیز جدایی کننده خطی بدست آمده است. رابطه Ida با استفاده از این مفهوم که میانگین فاصله های داده های بین کلاسی یا ∑ باید ماکزیمم شود و میانگین داده های درون کلاسی ∑ باید مینیمم شود، عملیات رتبه دهی به ویژگی ها را انجام می دهد. رابطه زیر قسمتی از رابطه Ida هست که در تابع ارزیابی ژنتیک از آن استفاده شده است. انتخاب ویژگی در مجموعه داده هایی که ابعاد بزرگی دارند همواره جز چالشهایی بوده که افراد در حوزه یادگیری ماشین و شناسایی الگو همواره بدنبال روش هایی بودند که عملیات کاهش ابعاد را در این مجموعه داده ها اعمال کنند. چرا که طبق اصل نفرین ابعاد اگر در یک مجموعه داده ای تعداد ویژگیها افزایش ابعاد را در این مجموعه داده ها اعمال کنند. چرا که طبق اصل نفرین ابعاد اگر در یک مجموعه داده ای تعداد ویژگیها افزایش یابد نه تنها صحت دقت سیستم کمتر خواهد شد بلکه پیچیدگی و مدلسازی سیستم نیز افزایش خواهد یافت. لذا با حذف ویژگی هایی که اطلاعات خاصی در مورد هدف به ما نمیدهند و همچنین حذف ویژگی هایی که با یکدیگر تقریباً مشابهند می توان راه کاری را پیشنهاد داد که عملیات کاهش ابعاد با موفقیت و حتی با افزایش صحت دقت دسته بند صورت گیرد. در مجموعه داده های با ابعاد بالا عملیات انتخاب ویژگی یک مساله complete-np ( مساله ای که هیچ گونه جواب مشخص چند جمله ای برای حل آن وجود ندارد) به حساب می آید و اگر بخواهیم به صورت کلی تمام ویژگی ها را مورد بررسی قرار دهیم N2 پاسخ را باید مورد ارزیابی قرار دهیم که از لحاظ پیاده سازی برای مجموعه داده های با ابعاد بالا این کار غیر ممکن می باشد.

کلیدواژه‌ها:

الگوریتم ژنتیک، دادهای دستنویس، مجموعه دادها، تابع ارزیابی ژنتیک

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-REGCMAES02-REGCMAES02_035.html
کد COI مقاله: REGCMAES02_035

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:
رجب لو, صحرا و فاطمه امیرجان، ۱۳۹۴، انتخاب ویژگی در مجموعه داده های دستنویس با استفاده از الگوریتم تکاملی ژنتیک، دومین همایش ملی ریاضیات و کاربردهای آن در علوم مهندسی، ساری، دانشگاه آزاد اسلامی واحد جویبار، https://www.civilica.com/Paper-REGCMAES02-REGCMAES02_035.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: (رجب لو, صحرا و فاطمه امیرجان، ۱۳۹۴)
برای بار دوم به بعد: (رجب لو و امیرجان، 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 :

  • Chouaib, H., Terrades, O.R., Tabbone, S., Cloppet, F., Vincent, N., ...
  • Chung, K., Yoon, J., 1997. Performance comparison of several feature ...
  • th Internat. Conf. on Document Analysis and Recognition (ICDAR 97). ...
  • Cordella, L., De Stefano, C., Fontanella, F., Marrocco, C., 2008. ...
  • Cordella, L, De Stefano, C., Fontanella, F., Marrocco, C., Scotto ...
  • classifier. In: 20th Internat. Conf. _ Pattern Recognition (ICPR 2010), ...
  • Dash, M., Liu, H., 2003. C onsistency-b ased search in ...
  • De Stefano, C., Fontanella, F., Marrocco, C., Schirinzi, G., 2007. ...
  • Fodor, I., 2002. A survey of dimension reduction techniques, Tech. ...
  • Frank, A., Asuncion, A., 2010. UCI machine learning repository. URL ...
  • Fukunaga, K., , 1990. Introduction to Statistical Patterm Recognition, second ...
  • Goldberg, D.E., 1989. Genetic Algorithms in Search Optimization and Machine ...
  • Grother, P.J., 1995. Nist special database 19. URL _ ://www. ...
  • Gutlein, M., Frank, E., Hall, M., Karwath, A., 2009. Large-scale ...
  • Ahlgren, R., Ryan, H., Swonger, C., 1971. A character recognition ...
  • Ben-Bassat, M., 1982. Pattern recognition and reduction of dimensionality. In: ...
  • Krishnaiah, P., Kanal, L. (Eds.), Handbook of Statistics-I. North Holland, ...
  • Blickle, T., Thiele, L, , 1996. A comparison of selection ...
  • علم سنجی و رتبه بندی مقاله

    مشخصات مرکز تولید کننده این مقاله به صورت زیر است:
    نوع مرکز: دانشگاه آزاد
    تعداد مقالات: ۲۷۱۰
    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.