A Feature Selection Method Based on Minimum T - norm Using Genetic Algorithm
محل انتشار: سومین کنگره بین المللی کامپیوتر، برق و مخابرات
سال انتشار: 1395
نوع سند: مقاله کنفرانسی
زبان: انگلیسی
مشاهده: 458
فایل این مقاله در 9 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:
ITCC03_126
تاریخ نمایه سازی: 6 اردیبهشت 1396
چکیده مقاله:
Feature selection plays an important role in classification for several reasons, and feature evaluation is thekey issue for constructing a feature selection algorithm. Feature selection process can also reduce noise andthis way enhance the classification accuracy. In this article, feature selection method based on minimum t– norm (MTN) by genetic algorithm (FSMTN – GA) is introduced and performance of the proposed methodon published data sets from UCI was evaluated. The results show the efficiency of the method is comparedwith the conventional version. When this method genetic algorithms and fuzzy similarity measures withminimum t – norm used in CFS method can improve it.Results can be considered quite good.
کلیدواژه ها:
نویسندگان
Hassan Nosrati Nahook
Instructor, Department of Computer Engineering, Payame Noor University, Iran
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 :