ارائه یک روش آماری مستقل از نوع طبقه بندی کننده، برای انتخاب بهینه ویژگی ها در مسائل تشخیص الگو با استفاده از الگوریتم ژنتیک
محل انتشار: اولین کنفرانس ملی محاسبات نرم و فن آوری اطلاعات
سال انتشار: 1389
نوع سند: مقاله کنفرانسی
زبان: فارسی
مشاهده: 1,288
فایل این مقاله در 5 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:
NCSCIT01_031
تاریخ نمایه سازی: 19 بهمن 1390
چکیده مقاله:
مساله انتخاب ویژگی، یکی از مسائلی است که در مبحث یادگیری ماشین و همچنین شناسائی آماری الگو مطرح است. این مساله در بسیاری از کاربردها مانند طبقه بندی اهمیت به سزائی دارد، زیرا در اکثر این کاربردها تعداد زیادی ویژگی وجود دارد، که بسیاری از آنها یا بلااستفاده هستند و یا اینکه بار اطلاعاتی چندانی ندارند. روشهای متفاوتی برای انتخاب بهینه بردار ویژگی در مسائل تشخیص الگو پیشنهاد شده اند که اغلب علاوه بر پیچیدگی محاسباتی، وابسته به نوع طبقه بندی کننده نیز می باشند، اما در این مقاله روش آماری جدیدی برای انتخاب بهینه بردار ویژگی ها بر مبنای الگوریتم ژنتیک پیشنهاد شده که در عین سادگی محاسبه، می تواند برای هر طبقه بندی کننده هوشمند یا غیر هوشمند، با تعداد ویژگی های بالا مورد استفاده قرار گیرد. نتایج شبیه سازی های صورت گرفته برای داده های یک مساله جداسازی مدولاسیون های مخابراتی، عملکرد قابل توجه ایده معرفی شده را اثبات کرده و بهبود قابل توجه درصد تشخیص عملیات را در سیگنال به نویز های مختلف کانال نشان می دهد.
کلیدواژه ها:
نویسندگان
سعید شعرباف تبریزی
دانشجوی دکتری مخابرات – دانشکده مهندسی دانشگاه فردوسی مشهد
محبوبه محمودآبادی
دانشجوی کارشناسی ارشد گروه آمار ریاضی–دانشکده علوم پایه دانشگاه آز
حسن دوستی
استادیارگروه آمار ریاضی – دانشکده علوم ریاضی دانشگاه فردوسی مشهد
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 :