ارائه یک روش انتخاب ویژگی برخط مبتنی بر جریان ویژگی بر اساس انتگرال فازی چوکت
سال انتشار: 1401
نوع سند: مقاله ژورنالی
زبان: فارسی
مشاهده: 60
فایل این مقاله در 25 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:
JR_JFSA-5-1_007
تاریخ نمایه سازی: 11 دی 1402
چکیده مقاله:
انتخاب ویژگی یک فرایند پیش پردازش داده ها است که برای مجموعه داده های با ابعاد بالا قبل از اجرای الگوریتم های یادگیری ماشین و داده کاوی مورداستفاده قرار می گیرد. هدف از انتخاب ویژگی، پیداکردن یک زیرمجموعه ی حداقلی و بهینه از مجموعه ویژگی ها است. این زیرمجموعه، ویژگی های برجسته را شامل می شود در حالی که ویژگی های غیر مرتبط با برچسب کلاس و تکراری در آن قرار نمی گیرند. برای انجام این کار، بسیاری از روش های انتخاب ویژگی فعلی به کل ویژگی ها در ابتدا نیاز دارند و درصورتی که ویژگی جدیدی در آینده به مجموعه ویژگی ها اضافه شود، الگوریتم باید از ابتدا اجرا شود. به دست آوردن کل ویژگی ها و یا حتی منتظر ماندن برای آن غیر ممکن در بسیاری از کاربردهای واقعی ممکن نیست؛ بنابراین برای این گونه مسائل که کل فضای ویژگی در ابتدا در اختیار ما قرار ندارد، روش های انتخاب ویژگی برخط ارائه شده اند. در این مقاله یک روش انتخاب ویژگی برخط با استفاده از مفهوم انتگرال فازی چوکت ارائه شده است. این روش در ابتدا جریان های ویژگی را بر اساس چندین معیار فیلتر ارزیابی می کند. سپس بر اساس عملگر چوکت نتایج آن ها ترکیب و برای حفظ یا نادیده گرفتن ویژگی تصمیم گیری می شود. در گام ارزیابی، عملکرد الگوریتم پیشنهادی با شش روش انتخاب ویژگی برخط و بر اساس دو دسته بند مقایسه شده است. روش پیشنهادی بر اساس نتایج به دست آمده در پنج مجموعه داده دنیای واقعی نزدیک دو درصد بهبود نسبت به روش های مشابه بر اساس معیارهای دقت دسته بندی و امتیاز داشته است. همچنین به دلیل محاسبات ساده در فرایند روش پیشنهادی، ارزیابی ویژگی ها در زمان کوتاهی انجام می گیرد.
کلیدواژه ها:
نویسندگان
محمدرضا پژوهان
دانشکده مهندسی کامپیوتر،پردیس فنی و مهندسی،دانشگاه یزد
امین هاشمی
دانشکده مهندسی کامپیوتر،پردیس فنی و مهندسی،دانشگاه یزد
محمدباقر دولتشاهی
گروه کامپیوتر، دانشکده فنی و مهندسی، دانشگاه لرستان
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 :