مقایسه الگوریتم های ترکیبی و غیرترکیبی مختلف جهت ارایه یک مدل پیش بینی در داده کاوی

سال انتشار: 1395
نوع سند: مقاله کنفرانسی
زبان: فارسی
مشاهده: 499

فایل این مقاله در 7 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:

OUTLOOKECE01_208

تاریخ نمایه سازی: 11 مرداد 1396

چکیده مقاله:

داده کاوی فرایندی است که با استفاده از روش های هوشمند، دانش را از مجموعه ای از داده ها استخراج می کند. یکی از عرصه های مهم کاربرد داده کاوی، حوزه جرم شناسی است. جرم شناسی به فرایند تحلیل و آنالیز یک جرم و شناخت ویژگی های آن اطلاقمی شود. در این پژوهش، مدل های ترکیبی و غیرترکیبی از الگوریتم های داده کاوی جهت پیش بینی نوع جرم پیشنهاد می گردد. برای ساخت مدل های پیشنهادی از الگوریتم های درخت تصمیم و الگوریتم های فرایادگیر استفاده شده است. نتایج ارزیابی ها نشانمی دهد که مدل های ترکیبی کارایی برتری نسبت به سایر مدل ها ارایه می دهند.

نویسندگان

لیلی محمدی

گروه مهندسی کامپیوتر، دانشکده فنی مهندسی، واحد کرمانشاه، دانشگاه آزاد اسلامی، کرمانشاه، ایران. گروه مهندسی کامپیوتر، دانشکده فنی مهندسی، علوم و تحقیقات کرمانشاه، دانشگاه آزاد اسلامی، کرمانشاه، ایران.

عدنان نصری

گروه مهندسی کامپیوتر، دانشکده فنی مهندسی، واحد کرمانشاه، دانشگاه آزاد اسلامی، کرمانشاه، ایران.گروه مهندسی کامپیوتر، واحد صحنه، دانشگاه آزاد اسلامی، صحنه، ایران.

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 :