استفاده از داده کاوی در طبقهبندی گلرنگها
محل انتشار: همایش مشترک مهندسی کامپیوتر و مکانیک
سال انتشار: 1392
نوع سند: مقاله کنفرانسی
زبان: فارسی
مشاهده: 762
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:
JCCEM01_020
تاریخ نمایه سازی: 25 اسفند 1392
چکیده مقاله:
لازمه استفاده و بکارگیری بهینه منابع ژنتیکی در برنامه های اصلاحی، درگام اول تعیین تنوع ژنتیکی آنها است. در تحقیق حاضر تنوع ژنتیکی 30 نوع گیاه گلرنگ با استفاده از صفات مورفولوژیکی مورد بررسی قرار گرفت. از صفات مورفولوژیکی جهت طبقه بندی انواع گلرنگ استفاده می شود. هدف از طبقه-بندی انواع گلرنگ این است که مشخص شود که کدام نوع از گلرنگ در چه مناطقی بیشترین تولید را دارد و چه رابطه ای بین صفات مورفولوژیکی و نوع آن وجود دارد. با توجه به اینکه طبقه-بندی گلرنگ ها با استفاده از صفات مورفولوژیکی جزء مسایل پیچیده و غیرخطی محسوب می شود بهتراست از روش های هوشمند کارآمد استفاده گردد. یکی از روش های هوشمند کارآمد، شناسایی الگو است. علت استفاده از روش های هوشمند کارآمد این است که سیستم یک بار آموزش داده شود و در دفعات بعد جهت تشخیص انواع گلرنگ ها از آن سیستم استفاده گردد. با توجه به اینکه جهت اعمال روش های هوشمند بهتر است تعداد نمونه ها در حد کافی باشد. به همین دلیل با استفاده از روش نمونه برداری با جایگزین، تعداد نمونه ها از 180 نمونه به 1260 نمونه افزایش داده شد و دقت نیز بهبود یافت. چون تعداد صفات موفورلوژیکی زیاد بوده و همچنین همبستگی بین آنها وجود داشت پس با استفاده از روش تجزیه به مؤلفههای اصلی، تعداد صفات کاهش داده شد. در انتهاء الگوریتمهای از قبیل روشهای بیز ، جدول تصمیم گیری و درخت تصمیمگیری جهت آموزش روی دیتاست اعمال گردید و به ترتیب از سیستم جواب با دقت 07/90 ، 80/98 و 20/99 دریافت گردید
کلیدواژه ها:
گلرنگ - دادهکاوی - شناسایی الگو - درخت تصمیمگیری - روش بیز
نویسندگان
ابراهیم صالح پور
دانشجوی ارشد
علی فرزان
استادیاردانشگاه آزاد اسلامی واحد شبستر
علیرضا احمدزاده
استادیاردانشگاه آزاد اسلامی واحد شبستر
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 :