دسته بندی مسائل باینری با استفاده از ماشین بردار پشتیبان و الگوریتم کلونی زنبورهای مصنوعی ترکیبی
محل انتشار: هفتمین کنفرانس بین المللی فناوری اطلاعات و دانش
سال انتشار: 1394
نوع سند: مقاله کنفرانسی
زبان: فارسی
مشاهده: 807
فایل این مقاله در 6 صفحه با فرمت PDF قابل دریافت می باشد
- صدور گواهی نمایه سازی
- من نویسنده این مقاله هستم
استخراج به نرم افزارهای پژوهشی:
شناسه ملی سند علمی:
ICIKT07_094
تاریخ نمایه سازی: 22 مهر 1394
چکیده مقاله:
یکی از روش های مهم پیش -پردازش داده ها در مسائل دسته بندی انتخاب ویژگی است. تاکنون الگوریتم های تکاملی بسیاری برای کاهش تعداد ویژگی های داده ها به کار برده شده است. در این مقاله روشی مبتنی بر ماشین بردار پشتیبان و الگوریتم کلونی زنبورهای مصنوعی ترکیبی به نام MABC-SVM با هدف بهبود دقت دسته بندی با استفاده زیرمجموعه ای موثر از ویژگی ها ارائه شده است. به منظور بهینه سازی هم زمان پارامترهای ماشین بردار پشتیبان و انتخاب زیرمجموعه ای موثر از ویژگی های ورودی، الگوریتمی ترکیبی به نام Mixed-ABC پیشنهاد شده است که الگوریتم ABC باینری را با الگوریتم ABC پیوسته ترکیب می کند. نتایج ارزیابی بر روی تعدادی از مجموعه داده ها در UCI نشان می دهند که روش پیشنهادی در بیشتر موارد در مقایسه با روش های دسته بندی مشابه دقت بهتر دارد.
کلیدواژه ها:
نویسندگان
فاطمه بارانی
گروه مهندسی کامپیوتر، مجتمع آموزش عالی بم
مینا میرحسینی
گروه علوم کامپیوتر، مجتمع آموزش عالی بم
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 :