ورود
مقالات فارسیISIکنفرانسهاژورنالها

یک روش جدید برای انتخاب ویژگی مبتنی بر منطق فازی

محل انتشار: مجله هوش محاسباتی در مهندسی برق، دوره: 4، شماره: 1
سال انتشار: 1392
نوع سند: مقاله ژورنالی
زبان: فارسی
مشاهده: 258

فایل این مقاله در 14 صفحه با فرمت PDF قابل دریافت می باشد

این مقاله در بخشهای موضوعی زیر دسته بندی شده است:

استخراج به نرم افزارهای پژوهشی:

لینک ثابت به این مقاله:
https://civilica.com/doc/1360040

شناسه ملی سند علمی:

JR_ISEE-4-1_006

تاریخ نمایه سازی: 6 دی 1400

چکیده مقاله:

چکیده: انتخاب ویژگی یکی از چالش برانگیز ترین و از مهمترین فعالیت ها در توسعه یادگیری ماشین و تشخیص الگوست. معیارهای ارزیابی ویژگی نقش بسیار مهمی برای ساخت یک الگوریتم انتخاب ویژگی دارند. در این مقاله یک معیار انتخاب ویژگی اصلاح شده با استفاده از منطق فازی برای انتخاب تعداد ویژگی های مورد نیاز ارائه می شود. این معیار به شکل غیر فازی در تحقیقات قبلی استفاده می شود، اما در این مقاله با تعریف تعداد ویژگی ها به صورت یک عدد فازی و با استفاده از اصل توسعه، شکل فازی معیار مزبور به دست آمد. عملکرد روش پیشنهادی بر روی مجموعه داده های منتشر شده از UCI ارزیابی شد و نتایح حاصل نشان دهنده کارایی روش مزبور در مقایسه با نسخه غیر فازی آن است.

کلیدواژه ها:

نویسندگان

حسن نصرتی ناهوک

کارشناس ارشد کامپیوتر– هوش مصنوعی، گروه کامپیوتر- دانشگاه آزاد اسلامی واحد سراوان- سراوان- ایران

مهدی افتخاری

- استادیار، بخش مهندسی کامپیوتر- دانشگاه شهید باهنر - کرمان- ایران

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 :
  • H. Liu et al., Boosting feature selection using information metric ...
  • L. Yu, H. Liu., Efficient feature selection via analysis of ...
  • I. Guyon, A. Elisseeff, An introduction to variable and feature ...
  • H. Liu, L. Yu, toward integrating feature selection algorithms for ...
  • J. Neumann, C. Schnorr, G. Steidl, Combined SVM-based feature selection ...
  • Q.H. Hu, D. Yu, J.F. Liu, C. Wu, Neighborhood rough ...
  • M.A. Hall, Correlation-based feature selection for discrete and numeric class ...
  • S.M. Vieira, J.M.C. Sousa, U. Kaymak, Feature selection using fuzzy ...
  • Susana M.Vieira, JoãoM.C.Sousa, UzayKaymak, Fuzzy criteria for feature selection, Fuzzy ...
  • Shailendra Singh., Sanjay Silakari., An ensemble approach for feature selection ...
  • L.Ladha, Research Scholar, T.Deepa, Lecturer, Feature Selection Methods and Algorithms, ...
  • Guyon, I.Elisseeff, A. An introduction to variable and feature selection. ...
  • J. Huang, Y. Cai, X. Xu, A hybrid genetic algorithm ...
  • Silvia Casado Yusta, Different metaheuristic strategies to solve the feature ...
  • Marc Sebban, Richard Nock, A hybrid /wrapper approach of feature ...
  • Hongwen Zheng, Yanxia Zhang, Feature selection for high-dimensional data in ...
  • Yvan saey, in aki inza and pedro larran aga, “A ...
  • Patricia E.N. Lutu, Andries P. Engelbrecht, A decision rule-based method ...
  • D. Huang, Zhaohui Gan, Tommy W.S. Chow, Enhanced feature selection ...
  • Crespo, J., Sicilia, M.A, Garcia, E., Cuadrado J.J, “On Aggregating ...
  • A.Mittal, K.Parkash, H.Mittal, Software Cost Estimation Using Fuzzy Logic, ACM ...
  • Harish Mittal, Pardeep Bhatia," ...
    • نمایش کامل مراجع