ناشر تخصصی کنفرانس های ایران

لطفا کمی صبر نمایید
CIVILICAWe Respect the Science
ناشر تخصصی کنفرانسهای ایران
عنوان
مقاله

حل مسیله بهینه سازی برای انتخاب متغیرهای مهم در داده های با بعد بالا

تعداد صفحات: 8 | تعداد نمایش خلاصه: 71 | نظرات: 0
سال انتشار: 1396
کد COI مقاله: ICIORS10_274
زبان مقاله: فارسی
(فایل این مقاله در 8 صفحه با فرمت PDF قابل دریافت می باشد)

راهنمای دانلود فایل کامل این مقاله

اگر در مجموعه سیویلیکا عضو نیستید، به راحتی می توانید از طریق فرم روبرو اصل این مقاله را خریداری نمایید.

با عضویت در سیویلیکا می توانید اصل مقالات را با حداقل ۳۳ درصد تخفیف (دو سوم قیمت خرید تک مقاله) دریافت نمایید. برای عضویت در سیویلیکا به صفحه ثبت نام مراجعه نمایید.در صورتی که دارای نام کاربری در مجموعه سیویلیکا هستید، ابتدا از قسمت بالای صفحه با نام کاربری خود وارد شده و سپس به این صفحه مراجعه نمایید.

لطفا قبل از اقدام به خرید اینترنتی این مقاله، ابتدا تعداد صفحات مقاله را در بالای این صفحه کنترل نمایید.

برای راهنمایی کاملتر راهنمای سایت را مطالعه کنید.

خرید و دانلود فایل مقاله

با استفاده از پرداخت اینترنتی بسیار سریع و ساده می توانید اصل این مقاله را که دارای 8 صفحه است در اختیار داشته باشید.

قیمت این مقاله : 7,000 تومان

آدرس ایمیل خود را در کادر زیر وارد نمایید:

مشخصات نویسندگان مقاله حل مسیله بهینه سازی برای انتخاب متغیرهای مهم در داده های با بعد بالا

محمد کاظمی - گروه آمار دانشگاه صنعتی شاهرود
داود شاهسونی - گروه آمار دانشگاه صنعتی شاهرود
محمد آرشی - گروه آمار دانشگاه صنعتی شاهرود

چکیده مقاله:

پیش بینی متغیر پاسخ به کمک چندین متغیر توضیحی همواره مورد توجه محققین است. هدف ساختن مدلی است که متغیر پاسخ را به متغیرهای توضیحی مرتبط کند. وقتی تعداد متغیرهای توضیحی مدل زیاد باشد، تفسیر مدل مشکل تر و هزینه محاسبات افزایش می یابد. لذا، شناسایی متغیرهای توضیحی موثر بر پاسخ بسیار مهم است. در داده های با بعد بالا مانند داده های پزشکی و ژنتیکی که تعداد متغیرهای مهم زیاد است، انتخاب این متغیرها معمولا با استفاده از یک روش بهینه سازی درجه دوم مانند مینیمم کردن مجموع مربعات خطا تحت یک شرط محدودکننده انجام می شود. با استفاده از روش لاگرانژ، میتوان این مسیله را به صورت یک تابع هدف جریمه شده در نظر گرفت. حل این مسیله مینمم سازی مستلزم استفاده از روش های بهینه سازی است. در این مقاله، فرض می کنیم رابطه بین متغیرهای توضیحی و متغیر پاسخ به صورت جمعی ناپارامتری است و برای انتخاب متغیرهای مهم، توابع جریمه مختلف را در نظر می گیریم. حل این مسیله بهینه سازی به وسیله الگوریتم مختصات نزولی گروهی انجام می شود. در پایان، عملکرد این الگوریتم را تحت انواع توابع جریمه، برای متغیرهای گروهی، با یک مثال شبیه سازی بررسی می کنیم.

کلیدواژه ها:

الگوريتم مختصات نزولي، انتخاب متغيرهاي مهم، بهينه سازي، داده هاي با بعد بالا

کد مقاله/لینک ثابت به این مقاله

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/767008/

کد COI مقاله: ICIORS10_274

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:
کاظمی، محمد و شاهسونی، داود و آرشی، محمد،1396،حل مسیله بهینه سازی برای انتخاب متغیرهای مهم در داده های با بعد بالا،دهمین کنفرانس بین المللی انجمن تحقیق در عملیات ایران،بابلسر،،،https://civilica.com/doc/767008

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: (1396، کاظمی، محمد؛ داود شاهسونی و محمد آرشی)
برای بار دوم به بعد: (1396، کاظمی؛ شاهسونی و آرشی)
برای آشنایی کامل با نحوه مرجع نویسی لطفا بخش راهنمای سیویلیکا (مرجع دهی) را ملاحظه نمایید.

مدیریت اطلاعات پژوهشی

صدور گواهی نمایه سازی | گزارش اشکال مقاله

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

علم سنجی و رتبه بندی مقاله

مشخصات مرکز تولید کننده این مقاله به صورت زیر است:
نوع مرکز: دانشگاه دولتی
تعداد مقالات: 7,087
در بخش علم سنجی پایگاه سیویلیکا می توانید رتبه بندی علمی مراکز دانشگاهی و پژوهشی کشور را بر اساس آمار مقالات نمایه شده مشاهده نمایید.

مقالات پیشنهادی مرتبط

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