انتخاب ویژگی نیمه هوشمندانه چندتایی برای داده های نامتوازن
محل انتشار: کنفرانس بین المللی پژوهش های نوین در علوم مهندسی
سال انتشار: 1395
نوع سند: مقاله کنفرانسی
زبان: فارسی
مشاهده: 621
فایل این مقاله در 7 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:
RKES01_127
تاریخ نمایه سازی: 21 شهریور 1395
چکیده مقاله:
وجود نویز در داده ها یک مساله مهم در یادگیری ماشین است با توجه به اینکه داده هایی که دارای مقداری نویز باشند ممکن است عملکرد یادگیری را بدتر کنند. روش پیشنهادی یک چارچوب یکپارچه ایجاد میکند که با انتخاب طرح دسته-بندی و نمونهگیری متعدد در این روش برای داده ها ی نامتقارن مفید واقع شده و نویز را حذف می کند.تلاش ما بر این است که تمام تاثیرات منفی محدودیتهای ایجاد شده را به وسیلهی تغییرات منابع آنها از بین ببریم. این کار به وسیلهی یکتکنیک دستهبندی با استفاده از نمونهگیری مجدد از دادهها و استراتژی فضای تصادفی انجام میشود. پروژه پیشنهاد شده، یک رتبهبندی جهانی از طرحها را با متراکم سازی امتیازهای لاپلاس محدود متعدد بر وجهههای مختلف دادههای نشاندار و بدون نشان تولید میکند. ما پروژه خود را با آزمایشهای تجربی بر مجموعه دادههای چند بعدی و مقایسهی آن با روشهای ارائه شدهی دیگر قانونی میکنیم. به طور کلی، طرحهای انتخاب شده
کلیدواژه ها:
نویسندگان
لیلا اسماعیلی
موسسه آموزش عالی آپادانا
هاله همایونی
موسسه آموزش عالی آپادانا
کیمیا بازرگان لاری
موسسه آموزش عالی آپادانا
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 :