Optimization of the Ho-Kashyap Classification Algorithm Using Appropriate Learning Samples
- سال انتشار: 1395
- محل انتشار: هشتمین کنفرانس بین المللی فناوری اطلاعات ودانش
- کد COI اختصاصی: ICIKT08_030
- زبان مقاله: انگلیسی
- تعداد مشاهده: 768
نویسندگان
Department of Computer Engineering Bu Ali Sina University Hamadan, Iran
Department of Computer Engineering Bu Ali Sina University Hamadan, Iran
Seyed Muhammad Hossein Mousavi
Department of Computer Engineering Bu Ali Sina University Hamadan, Iran
Department of Computer Engineering Bu Ali Sina University Hamadan, Iran
چکیده
This article is focusing on optimization of the Ho-Kashyap classification algorithm. Choosing a proper learning sample plays a significant role in runtime and accuracy of the supervised classification algorithms, specially the Ho-Kashyap classification algorithm. This article with combining the methods of Multi Class Instance Selection and Ho-Kashyap, not has only reduced the starting time of algorithm, but has improved the accuracy of this algorithm, using proper parameters. The results of this suggested method, in terms of accuracy and time, are evaluated and simulations have proved that MCIS method can choose the data that have more effectiveness on classification, using proper measures. If Ho-Kashyap algorithm classifies using more important data, it could be to save the time in classification process and even increases the accuracy of classification.کلیدواژه ها
component; Classification; Ho-Kashyap; MCISمقالات مرتبط جدید
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.