ناشر تخصصی کنفرانس های ایران

لطفا کمی صبر نمایید

Publisher of Iranian Journals and Conference Proceedings

Please waite ..
ناشر تخصصی کنفرانسهای ایران
ورود |عضویت رایگان |راهنمای سایت |عضویت کتابخانه ها
عنوان
مقاله

A Hybrid Genetic Algorithm and Artificial Neural Networks (GANN) for Feature Reduction in Forest Fire Detection

سال انتشار: 1395
کد COI مقاله: CBCONF01_0181
زبان مقاله: انگلیسیمشاهده این مقاله: 442
فایل این مقاله در 20 صفحه با فرمت PDF قابل دریافت می باشد

خرید و دانلود فایل مقاله

با استفاده از پرداخت اینترنتی بسیار سریع و ساده می توانید اصل این مقاله را که دارای 20 صفحه است به صورت فایل PDF در اختیار داشته باشید.
آدرس ایمیل خود را در کادر زیر وارد نمایید:

مشخصات نویسندگان مقاله A Hybrid Genetic Algorithm and Artificial Neural Networks (GANN) for Feature Reduction in Forest Fire Detection

Elham Mahdipour - Faculty member of Khavaran Higher Education Institute, Mashhad, Iran
Chitra Dadkhah - Assistant professor, K.N.Toosi University of Technology, Tehran, Iran
Mohammad Teshnehlab - professor, K.N.Toosi University of Technology, Tehran, Iran

چکیده مقاله:

Early fire detection is very important in fighting fires. To this end, researchers have carried out work on feature reduction in automatic fire detection systems. One such method used in the fire detection field is Self-Organizing Maps (SOM). SOM has some limitations such as exponential complexity in large search spaces. This paper proposed GANN method based on the combination of Genetic Algorithms (GAs) and Artificial Neural Networks (ANNs) for forest fire detection. Applying GA will result in reduced number of features which could be used as inputs to ANN. The fitness function of the GA chromosomes is defined as the output value returned by ANN. Also we compare our results with SOM, Principal Component Analysis (PCA) and Independent Component Analysis (ICA). To demonstrate the efficiency of these methods, we have used the Canadian forest fire management information systems dataset. In this paper the performance of algorithms are compared based on mean square error (MSE) rate. Our simulation results demonstrated that the MSE in the GANN is less than other methods and the proposed method can reduce features without any reduction in accuracy.

کلیدواژه ها:

کد مقاله/لینک ثابت به این مقاله

کد یکتای اختصاصی (COI) این مقاله در پایگاه سیویلیکا CBCONF01_0181 میباشد و برای لینک دهی به این مقاله می توانید از لینک زیر استفاده نمایید. این لینک همیشه ثابت است و به عنوان سند ثبت مقاله در مرجع سیویلیکا مورد استفاده قرار میگیرد:

https://civilica.com/doc/496637/

نحوه استناد به مقاله:

در صورتی که می خواهید در اثر پژوهشی خود به این مقاله ارجاع دهید، به سادگی می توانید از عبارت زیر در بخش منابع و مراجع استفاده نمایید:
Mahdipour, Elham and Dadkhah, Chitra and Teshnehlab, Mohammad,1395,A Hybrid Genetic Algorithm and Artificial Neural Networks (GANN) for Feature Reduction in Forest Fire Detection,اولین کنفرانس بین المللی دستاوردهای نوین پژوهشی در مهندسی برق و کامپیوتر,Tehran,https://civilica.com/doc/496637

در داخل متن نیز هر جا که به عبارت و یا دستاوردی از این مقاله اشاره شود پس از ذکر مطلب، در داخل پارانتز، مشخصات زیر نوشته می شود.
برای بار اول: (1395, Mahdipour, Elham؛ Chitra Dadkhah and Mohammad Teshnehlab)
برای بار دوم به بعد: (1395, Mahdipour؛ Dadkhah and Teshnehlab)
برای آشنایی کامل با نحوه مرجع نویسی لطفا بخش راهنمای سیویلیکا (مرجع دهی) را ملاحظه نمایید.

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 :

  • Mohamed Hefeeda, Majid Bagheri. (2009). "Forest fire modeling and early ...
  • Jeffrey S. Newman. (1987). "Prediction of fire detector response". Fire ...
  • Ashraf Saad. (2008). "An overview of hybrid soft computing techniques ...
  • Elham Mahdipour, Chitra Dadkhah. (2012). "Automatic fire detection based _ ...
  • Majid Bahrepour, Berend Jan Van der Zwaag, Nirvana Meratnia, and ...
  • Fernando G. Lobo, David E. Goldberg, Martin Pelikan. (2000). "Time ...
  • www. cs .bham. ac .uk/-wbl/bibl i o/gec co 2000/GA07 5 ...
  • Francesco Maiorana. (2008). "Performance improvements of a kohonen self organizing ...
  • Dong Ling Tong, Robert Mintram. (2010). "Genetic Al gorithm-Neural Network ...
  • Dong-Ling Tong. (2009). "Hybridising genetic al gorithm-neural network (GANN) in ...
  • Guozhong Zhou, James D. McCalley. (2008). "Genetic-based feature selection applied ...
  • L.B.Jack, A.K.Nandi. (2000). "Genetic algorithms for feature selection in machine ...
  • Robert G Beiko, Robert L Charlebois (2005). "Software GANN: Genetic ...
  • B. Samanta, K. R. Al-Balushi, S. A. Al-Araimi. (2006). "Artificial ...
  • Yu-Rong Tang, Zhi-Ya Sheng, Yong-Zi Chen, Ziding Zhang. (2008). " ...
  • Tong, D. L., Phalp, K. T, Schierz, A. C. and ...
  • Majid Bahrepour, Nirvana Meratnia, Paul J. M. Havinga. (2009). "Use ...
  • Athanasios S. Drigas, John Vrettaros. (2008). "Using the S elf-Organizing ...
  • Kohonen, T. (1995). _ S e If-Organization Maps". Springer, Heidelberg. ...
  • Igor Mokris, Radoslav Forgac. (2004). "Decreasing the feature space dimension ...
  • obuda. hu/conference s/S AMI2 004/mokris _ .pdf ...
  • Goh Kia Eng. (2006). _ S elf-organization map and multi ...
  • Victor Hugo Costa Albuquerque, Auzuir Ripardo de Alexandria, Paulo Cesar ...
  • Henry Wirth, Martin von Bergen, and Hans Binder. (2012). "Mining ...
  • Timothy M. Davenport. (2012). "Early forest fire detection using texture ...
  • Lindsay I Smith. (2002). "A tutorial on principal components analysis", ...
  • Qian Du and James E. Fowler. (2008). _ Lo w-Complexity ...
  • Gabriela Miranda; Adriano Lisboa; Douglas Vieira , Francisco Queiroz, Carlos ...
  • John Saghri ; John Jacobs _ Tim Davenport and David ...
  • Aapo Hyv arinen and Urs KKoster. (2006). "FastISA: _ fast ...
  • Aapo Hyvarinen and Erkki Oja. (2000). "Independent component analysis: algorithms ...
  • HU Yan, WANG Hui-qin, MA Zong-fang, LIANG Jun-shan, "Image fire ...
  • Jianzhong Rong, Dechuang Zhou, Wei Yao, Wei Gao, Juan Chen, ...
  • Anchal Garg, Rohit Bajaj, Facial expression recognition & classification using ...
  • Lee, B.S., Alexander, M.E., Hawkes, B.C., Lynham, T.J., Stocks, B.J., ...
  • Corina Sararu, Luminita State, Maria Miroiu. (2010). "Independent Component Analysis ...
  • مدیریت اطلاعات پژوهشی

    صدور گواهی نمایه سازی | گزارش اشکال مقاله | من نویسنده این مقاله هستم
    این مقاله در بخشهای موضوعی زیر دسته بندی شده است:

    اطلاعات استنادی این مقاله را به نرم افزارهای مدیریت اطلاعات علمی و استنادی ارسال نمایید و در تحقیقات خود از آن استفاده نمایید.

    مقالات مرتبط جدید

    به اشتراک گذاری این صفحه

    اطلاعات بیشتر درباره 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.

    پشتیبانی