الگوریتم هرس درخت تصمیم موازی مشترک مبتنی بر Hadoop
سال انتشار: 1400
نوع سند: مقاله کنفرانسی
زبان: فارسی
مشاهده: 364
فایل این مقاله در 6 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:
STCONF04_145
تاریخ نمایه سازی: 26 مهر 1400
چکیده مقاله:
مفهوم دانش مشترک، به یادگیری دانش به اشتراک گذاشته شده از اشیای مختلف و به کارگیری دانش یادگرفته شده در مورد موارد ناشناخته برای تسریع در شناسایی اشیا اشاره دارد. برای مسائل با بازده پایین، الگوریتم دسته بندی سنتی قادر به مواجه شدن با حجم عظیمی از داده ها نیست پس با تکنولوژی محاسبات کلود که یک الگوریتم درخت تصمیم موازی مشترک ( PSDT ) را پیشنهاد می کندترکیب می شود. اگرچه این الگوریتم بازده را بهبود می بخشد، برای حذف اثر پارازیت های مجموعه آموزشی، آن باید بهینه سازی شود. بنابراین در این مقاله، بر اساس الگوریتم PSDT ، الگوریتم هرس خطای درخت تصمیم موازی مشترک ( PSDT-IEP ) پیشنهاد می شود. درالگوریتم مان ما تاثیر عدم اطمینان را با استفاده از دسته بندی تعداد خطای احتمالی عدم اطمینان از مجموعه داده ها برای هرس، که دقت الگوریتم را بهبود می بخشد، کاهش می دهیم. هرچه مجموعه داده ها بزرگ تر باشد، برتری الگوریتم PSDT-IEP بیشتر آشکار می شود
کلیدواژه ها:
نویسندگان
علی سلدوزی
دکتری تخصصی، مهندسی برق قدرت، شرکت خدمات انفورماتیک
سید نوید مقدسی
دکتری تخصصی، مهندسی برق قدرت، شرکت کارت اعتباری ایران کیش