انتخاب ویژگی برای روش های دسته بندی به وسیله تئوری مجموعه های ناهموار مبنتی بر الگوریتم های بهینه سازی
- سال انتشار: 1403
- محل انتشار: دومین کنفرانس بین المللی پژوهش در برق، کامپیوتر و مکانیک
- کد COI اختصاصی: MECHCNF02_016
- زبان مقاله: فارسی
- تعداد مشاهده: 172
نویسندگان
کارشناسی ارشد در رشته کامپیوتر(M.Sc)، گرایش - نرم افزار
چکیده
انتخاب ویژگی یکی از چالش برانگیز ترین و از مهمترین فعالیت ها در توسعه یادگیری ماشین، داده کاوی و تشخیص الگوست. مهمترین چالش در این زمینه ابعاد زیاد یا به عبارتی تعداد زیاد ویژگی ها (صفات) در مجموعه داده ها ما را با مشکل در این زمینه مواجه خواهد کرد. علاوه بر این با حذف این ویژگی های اضافی سبب افزایش کارآیی الگوریتم های داده کاوی و حتی به دلیل کاهش داده های آلوده می توان در برخی موارد به نتایج بهتری رسید. در سالهای اخیر الگوریتم های بهینه سازی الهام گرفته از طبیعت، برای حل مسئله ی انتخاب ویژگی به کار رفته اند. در این زمینه پژوهش های بسیاری انجام شده است. مدل ترکیبی پیشنهادی قادر است تعاملات پیچیده و وابستگی های متقابل میان ابعاد و معیارها را لحاظ نماید تا علاوه بر انتخاب دقیق تر پروژه ها، با تعیین شدت تاثیرگذاری و تاثیرپذیری عوامل، راهکارهای مناسب برای بهبود عملکرد انتخابی نیز به مدیران ارائه دهد. این بررسی برروی پژوهشهای جدید این حوزه، زمینهی کاربرد، روش انتخاب ویژگی و دسته بندی استفاده شده است. نتایج نشان میدهد که هیچکدام از الگوریتم های فراابتکاری به تنهایی برای حل تمامی مسائل انتخاب ویژگی کامل نیست، و با توجه به مجموعه داده ها و پروژه ی مورد نظر باید از آنها استفاده نمود. روش پیشنهادی در مجموعه داده های مختلف عملکردی بهتر از روش های دیگر مورد مقایسه داشته است و حداقل ۰/۸ درصد و حداکثر ۱۸ درصد نسبت به روش های قبلی بهبود داشته استکلیدواژه ها
یادگیری ماشین، داده کاوی، الگوریتم های بهینه سازی، دسته بندی، تئوری مجموعه های ناهموارمقالات مرتبط جدید
- تحلیل انطباقی کیفیت و میزان محبوبیت خدمات ابری با بررسی و مقایسه رتبه بندی Tranco و رتبه بندی عملکردی شرکت های ابری
- طبقه بندی سیگنال های EEG ثبت شده از قشر پیش پیشانی به منظور کشف اثر موسیقی در شدت احساسات با استفاده از شبکه عصبی مصنوعی و پرسشنامه
- ارائه رویکردی برای مدیریت ریسک در پروژه های نرمافزاری با استفاده از خوشه بندی تجمعی
- تحلیل احتمالنقض ترتیب علیتی پیام ها در یک الگوریتم پخش علیتی در سیستمهای توزیع شده
- بهینه سازی به سبک گربه های شنی: الگوریتمی برای جستجوی کارآمد و مدیریت ازدحام
اطلاعات بیشتر در مورد COI
COI مخفف عبارت CIVILICA Object Identifier به معنی شناسه سیویلیکا برای اسناد است. COI کدی است که مطابق محل انتشار، به مقالات کنفرانسها و ژورنالهای داخل کشور به هنگام نمایه سازی بر روی پایگاه استنادی سیویلیکا اختصاص می یابد.
کد COI به مفهوم کد ملی اسناد نمایه شده در سیویلیکا است و کدی یکتا و ثابت است و به همین دلیل همواره قابلیت استناد و پیگیری دارد.