ارائه روش ذرات هوشمند مبتنی بر آشوب در مسأله انتخاب ویژگی

سال انتشار: 1392
نوع سند: مقاله کنفرانسی
زبان: فارسی
مشاهده: 1,060

فایل این مقاله در 10 صفحه با فرمت PDF قابل دریافت می باشد

این مقاله در بخشهای موضوعی زیر دسته بندی شده است:

استخراج به نرم افزارهای پژوهشی:

لینک ثابت به این مقاله:

شناسه ملی سند علمی:

AISST01_161

تاریخ نمایه سازی: 5 مرداد 1392

چکیده مقاله:

یکی از مشکلاتی که در حوزه استفاده از داده های در دنیای کنونی با آن مواجه هستیم، حجم عظیم داده های جمع آوری و انباشته شده در سازمان هاست، که حاوی دانش بسیار با ارزشی برای مالکان آن می باشد، در داده کاوی با هدف استفاده از این داده ها با مهمترین چالشی که روربرو خواهیم بود، تعداد بالای ویژگی های موجود در این داده ها است، روش های انتخاب ویژگی سعی دارند با کاهش اندازه داده های ذخیره شده نتایج حاصل از داده کاوی را بهبود بخشند، در این مقاله از روش فرامکاشته ای متداول بهینگی ذارت هوشمند را با یک رویکرد جدید به عنوان ایجاد آشوب بهینه ساخته ایم، که نتایج حاصله در قسمت بررسی الگوریتم، تاییدی بر بهینگی ایجاد شده در این روش می باشد.

کلیدواژه ها:

انتخاب ویژگی ، بهینه سازی ذرات هوشمند ، داده کاوی ، PSO ، فرامکاشفه ای

نویسندگان

محسن شفیعی

کارشناس ارشد مهندسی نرم افزار، دانشگاه پیام نور مشهد

رضا منصفی

عضو هیئت علمی دانشگاه فردوسی مشهد

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 :
  • Pyle , D (1999). Data Preparation for Data Mining. California ...
  • Kohavi , R and H John _ G 1997. "Wrappers ...
  • Kantardzik , M (2003). Data Mining: Concepts, Models, Methods, and ...
  • Liu , H , J Sun , L Liu and ...
  • Donoho , D 2004. "For Most Large U nderdetermine _ ...
  • Kennedy _ J and R Eberhart (1995). Particle SWarm optimization. ...
  • Subbotin , S and A Oleynik (2008). PSO with Control ...
  • نمایش کامل مراجع