Publisher of Iranian Journals and Conference Proceedings

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

الگوریتم بهینه سازی علف هرز بهبودیافته برای انتخاب ویژگی در حوزه پیشبینی رویگردانی مشتری

پنجمین کنفرانس ملی محاسبات توزیعی و پردازش داده های بزرگ
سال انتشار: 1398
کد COI مقاله: DCBDP05_020
زبان مقاله: فارسیمشاهده این مقاله: 387
فایل این مقاله در 5 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 5 صفحه است به صورت فایل PDF در اختیار داشته باشید.
آدرس ایمیل خود را در کادر زیر وارد نمایید:

مشخصات نویسندگان مقاله الگوریتم بهینه سازی علف هرز بهبودیافته برای انتخاب ویژگی در حوزه پیشبینی رویگردانی مشتری

جلیل قویدل نیچران - گروه فناوری اطلاعات و ارتباطات، دانشگاه شهید مدنی آذربایجان، تبریز
حسین عباسی مهر - گروه فناوری اطلاعات و ارتباطات، دانشگاه شهید مدنی آذربایجان، تبریز

چکیده مقاله:

رویگردانی مشتری تبدیل به یکی از مسائلی شده است که بسیاری از شرکتهای فعال در صنایع مختلف نظیر مخابرات و بانکداری را دچار چالش کرده است. روشهای دادهکاوی و یادگیری ماشین برای پیشبینی رویگردانی و شناسایی مشتریان رویگردان در تحقیقات قبلی مورد ا ستفاده قرار گرفته اند. مجموعه داده های مورد ا ستفاده در پیشبینی روی گردانی مشتریان دارای تعداد ویژگی زیاد هستند که انتخاب ویژگیهای مرتبط از بین آنها اهمیت ویژهای در عملکرد مدل پیشبینی دارد. در این مقاله یک روش انتخاب ویژگی مبتنی بر الگوریتم بهینه سازی علف هرز مهاجم ارائه شده است که تنوع بیشتری در راه حلهای ارائه شده در الگوریتم ایجاد میکند. روش ارائه شده مفهوم تقاطع را جهت جلوگیری از افتادن الگوریتم در بهینه محلی بکار می گیرد. الگوریتم ارائه شده با روشهای انتخاب ویژگی رقیب در حوزه پیشبینی رویگردانی مقایسه گردید. نتایج نشان میدهد که ویژگیهای انتخاب شده توسط الگوریتم توسعه داده شده بهترین عملکرد را بر مبنای معیار AUC1 در مقایسه با روشهای رقیب ارائه میکند.

کلیدواژه ها:

پیشبینی رویگردانی مشتری ، انتخاب ویژگی ، الگوریتمهای بهینه سازی تکاملی ، الگوریتم علف هرز مهاجم

کد مقاله/لینک ثابت به این مقاله

کد یکتای اختصاصی (COI) این مقاله در پایگاه سیویلیکا DCBDP05_020 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/961885/

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:
قویدل نیچران، جلیل و عباسی مهر، حسین،1398،الگوریتم بهینه سازی علف هرز بهبودیافته برای انتخاب ویژگی در حوزه پیشبینی رویگردانی مشتری،پنجمین کنفرانس ملی محاسبات توزیعی و پردازش داده های بزرگ،تبریز،https://civilica.com/doc/961885

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: (1398، قویدل نیچران، جلیل؛ حسین عباسی مهر)
برای بار دوم به بعد: (1398، قویدل نیچران؛ عباسی مهر)
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 | من نویسنده این مقاله هستم

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: 3,537
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

طرح های پژوهشی 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