A Weighted based Method for Classification and Dimension Reduction Using IWO Algorithm
محل انتشار: هفتمین کنفرانس ملی مهندسی برق و الکترونیک ایران
سال انتشار: 1394
نوع سند: مقاله کنفرانسی
زبان: انگلیسی
مشاهده: 448
متن کامل این مقاله منتشر نشده است و فقط به صورت چکیده یا چکیده مبسوط در پایگاه موجود می باشد.
توضیح: معمولا کلیه مقالاتی که کمتر از ۵ صفحه باشند در پایگاه سیویلیکا اصل مقاله (فول تکست) محسوب نمی شوند و فقط کاربران عضو بدون کسر اعتبار می توانند فایل آنها را دریافت نمایند.
- صدور گواهی نمایه سازی
- من نویسنده این مقاله هستم
استخراج به نرم افزارهای پژوهشی:
شناسه ملی سند علمی:
ICEEE07_513
تاریخ نمایه سازی: 19 اردیبهشت 1395
چکیده مقاله:
This paper investigates the problem of feature selection and classification by scaling feature vectors with weight vectors. The main purpose is to find a weight vector associated to each feature showing the relevant importance of each feature. Weight vectors are optimized using Invasive Weed Optimization (IWO) algorithm. The minor features having minimum weights are then removed to reduce the dimensions of feature space. The results of this approach demonstrated better classification rate compared to GA method.
کلیدواژه ها:
نویسندگان
Zahra Sadeghi
Cognitive Robotics Lab, School of Electrical and Computer Engineering,University of Tehran, and School of Cognitive Sciences, Institute for Research in Fundamental Sciences,Tehran, Iran
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 :