یک معیار تشابه پیشنهادی بین ویژگی ها در یادگیری ماشین با استفاده از عدد فازی مثلثی
- سال انتشار: 1394
- محل انتشار: چهارمین کنگره مشترک سیستم های فازی و هوشمند ایران (پانزدهمین کنفرانس سیستم های فازی و سیزدهمین کنفرانس سیستم های هوشمند)
- کد COI اختصاصی: ICFUZZYS15_062
- زبان مقاله: فارسی
- تعداد مشاهده: 611
نویسندگان
مربی، گروه مهندسی فناوری اطلاعات، دانشگاه پیام نور، ایران
چکیده
در این مقاله، ما یک روش جدید برای اندازه گیری شباهت بین ویژگی ها با استفاده از اعداد فازی ارائه میکنیم. روش پیشنهادی از مفهوم هندسه برای محاسبه درجه تشابه برای اعداد فازی تعریف شده برای ویژگی ها استفاده می کند. ما همچنین بعضی از خواص معیارتشابه پیشنهادی را بیان می کنیم و مجموعه داده های مختلفی را برای مقایسه روش پیشنهادی با روش های موجود استفاده می کنیم. در روش های انتخاب ویژگی، معیار تشابه پیشنهادی در مقایسه با معیارهای تشابه فازی دیگر می تواند کارآمدتر باشد.کلیدواژه ها
معیار تشابه، عدد فازی مثلثی ، ویژگی ها، متوسط تشابه ویژگی ویژگیمقالات مرتبط جدید
- یک رویکرد مبتنی بر پردازش زبان طبیعی و مدلهای یادگیری ماشین برای ارزیابی خودکار تکالیف نوشتاری دانش آموزان و ارائه بازخورد به معلمان
- ادغام یادگیری عمیق بیزی برای تشخیص و ارزیابی کیفیت سگمنتیشن سرطان با مدیریت عدم قطعیت
- Comparative Analysis of Automation Ecosystems and Playbooks in Check Point, Palo Alto, Fortinet, and Cisco Firewalls
- چارچوب یکپارچه برای بهینه سازی کارایی و تقویت امنیت سیستم های توزیع شده در محیط های ابری، IoT و Edge
- Uncovering Genetic and Signaling Pathway Alterations in Pompe Disease through Bioinformatics Approaches
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.