بهینه سازی قوانین در دسته بندی کننده های Fuzzy
سال انتشار: 1392
نوع سند: مقاله کنفرانسی
زبان: فارسی
مشاهده: 624
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:
CEIT01_372
تاریخ نمایه سازی: 9 تیر 1393
چکیده مقاله:
کلاس بندی براساس قوانین یکی از روشهای محبوب شناسایی الگو است. با این وجود نفرین ابعاد مشکلی است که در این نوع کلاس بندیها نیز با آن روبرو هستیم، به این معنی که با افزایش تعداد ویژگیهای ورودی، تعداد قوانین نیز افزایش مییابد. برای غلبه بر این مشکل اینمقاله نوع خاصی از الگوریتم ژنتیک را برای انتخاب موثرترین ویژگیهای قوانین استخراج شده توسط شبکه عصبی Fuzzy Min-Max معرفیمیکند. این الگوریتم با جستجوی محلی در اطراف کروموزومهای نخبه، سعی بر بهبود الگوریتم ژنتیک کلاسیک دارد. جستجوی محلی مذکور میتواند راه گریزی از حرکت کند الگوریتم ژنتیک در همسایگی نقاط بهینه باشد. کارایی این سیستم روی پنج پایگاه داده مهم UCI بررسی و کارایی آن با نتایج مقالات دیگر مورد مقایسه و آنالیز قرار گرفته است.
کلیدواژه ها:
نویسندگان
حدیث جالسیان
دانشجوی کارشناسی ارشد هوش مصنوعی ، دانشگاه آزاد اسلامی واحد مشهد
مهدی یعقوبی
استادیار گروه برق دانشگاه آزاد اسلامی واحد 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 :