انتخاب ویژگی مبتنی بر الگوریتم جستجوی گرانشی اینری کوانتومی
سال انتشار: 1394
نوع سند: مقاله کنفرانسی
زبان: فارسی
مشاهده: 987
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:
ICFUZZYS15_029
تاریخ نمایه سازی: 25 بهمن 1394
چکیده مقاله:
یکی از روش های مهم در بهبود دقت طبقه طبقه بند و کاهش اندازه مساله، انتخاب زیر مجموعه ای از ویژگی های موثر و حذف ویژگی های نویزی و زائد است. تا کنون رویکردهای بسیاری بر اساس الگوریتم های تکاملی برای حل مساله انتخاب ویژگی پیشنهاد شده است. در این مقاله،روشی ترکیبی به نام ،FS-BQIGSA ,بر اساس الگوریتم جستجوی گرانشی باینری کوانتومی و طبقه بند k -نزدیکترین همسایه برای انتخاب بهترین زیرمجموعه از ویژگی ها ارائه شده است. کارایی روش پیشنهادی بر روی برخی از مجموعه داده های UCI ارزیابی شد و نتایج آن با تعدادی از روش های انتخاب ویژگی مشابه مقایسه گردید.نتایج ارزیابی نشان می دهند که روش پیشنهادی در مقایسه با سایر روش ها از کارایی قابل قبولی در انتخاب ویژگی ها برخوردار است.
کلیدواژه ها:
نویسندگان
فاطمه بارانی
عضو هیئت علمی گروه علوم کامپیوتر، مجتمع آموزش عالی بم
مینا میرحسینی
عضو هیئت علمی گروه علوم کامپیوتر، مجتمع آموزش عالی بم
حسین نظام آبادی پور
عضو هیئت علمی بخش مهندسی برق,دانشگاه شهید باهنر کرمان
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 :