انتخاب ویژگی با الگوریتم GA-ABC-KNN
سال انتشار: 1394
نوع سند: مقاله کنفرانسی
زبان: فارسی
مشاهده: 540
فایل این مقاله در 6 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:
DCBDP01_007
تاریخ نمایه سازی: 19 خرداد 1396
چکیده مقاله:
پردازش داده هایی با ابعاد بالا موجب بروز مشکلاتی از جمله افزایش زمان و پیچیدگی محاسبات می شود. انتخاب یک زیر مجموعه از ویژگی داده ها به جای تمام ویژگی ها با استفاده از تکنیک انتخاب ویژگی، می تواند تاثیر زیادی بر کاهش این مشکلات داشته باشد. در این مقاله ما یک روش انتخاب ویژگی را با ترکیب دو الگوریتم کلونی زنبور عسل مصنوعی مبتنی بر عملگرهای تکنیک اصلاح شده MGA-ABC و K نزدیک ترین همسایگی KNN معرفی میکنیم. الگوریتم ترکیبی MGA-ABC به منظور جستجوی فضای ویژگی برای انتخاب کوچک ترین زیر مجموعه ممکن استفاده می شود. محاسبه برازندگی زیر مجموعه های مورد جستجو نیز توسط الگوریتم KNN انجام می شود. این روش با الگوریتم IPBSO مقایسه شده است و نتایج حاکی از ن است که این روش مىتواند علاوه بر بهبود دقت دسته بندی، تعداد ویژگی های کمتری را انتخاب کند.
کلیدواژه ها:
نویسندگان
زهرا وکیلی
دانشجوی کارشناسی ارشد، دانشگاه سیستان و بلوچستان، زاهدان
عفت دهقانیان
استادیار، دانشگاه سیستان و بلوچستان، زاهدان
امین راحتی
استادیار، دانشگاه سیستان و بلوچستان، زاهدان
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 :