تحلیل عملکرد دو روش انتخاب ویژگی NSGA-II و GA به منظور استفاده در طبقه بندی تصاویر

  • سال انتشار: 1396
  • محل انتشار: دومین کنفرانس بین المللی پژوهش های دانش بنیان در مهندسی کامپیوتر و فناوری اطلاعات
  • کد COI اختصاصی: CITCOMP02_152
  • زبان مقاله: فارسی
  • تعداد مشاهده: 930
دانلود فایل این مقاله

نویسندگان

الهام خسروی

کارشناسی ارشد نرم افزار، گروه مهندسی کامپیوتر دانشگاه آزاد اسلامی واحد خمین

حمید پایگذار

دکتری مهندسی نرم افزار و عضو هییت علمی دانشگاه، گروه مهندسی کامپیوتر دانشگاه آزاد اسلامی واحد خمین

چکیده

مساله انتخاب ویژگی امری مهم در حوزه پژوهشی یادگیری ماشین و طبقه بندی تصاویر است. جستجوی زیرمجموعه ای بهینه از یک فضای ویژگی با ابعادی بزرگ می تواند تاثیر بسزایی بر بهبود عملکرد الگوریتم طبقه بندی داشته باشد. انتخاب ویژگی با استفاده از روشهای بهینه سازی فراابتکاری و الگوریتم های تکاملی از جمله رویکردهای مناسبی هستند که بر اساس معیارهای انتخاب ویژگی، راه حلهای مطلوبی را ارایه می دهند. در این مقاله انتخاب ویژگی بر اساس الگوریتم های GA و NSGA-II مورد تحلیل و بررسی قرار گرفته است. ارزیابی عملکرد GA و NSGA-II ، نشان می دهد هر دو الگوریتم می توانند بین کیفیت راه حل و زمان محاسباتی، تعادل ایجاد کرده و متناسب با وضعیت خاص مساله مورد استفاده قرار بگیرند

کلیدواژه ها

انتخاب ویژگی، بهینه سازی چندهدفه، الگوریتم ژنتیک، الگوریتم ژنتیک با مرتب سازی نامغلوب، پارتو فرانت

مقالات 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.