دانلود ترجمه مقاله انتخاب ویژگی در داده کاوی با الگوریتم تکاملی هیبریدی
ترجمه فارسی مقاله انتخاب ویژگی در داده کاوی با الگوریتم تکاملی هیبریدی
.
.
| بخشی از ترجمه فارسی مقاله : انتخاب ویژگی در داده کاوی با الگوریتم تکاملی هیبریدی |
| مجموعه داده های موجود واقعی اغلب با اختلال آمیخته شده اند، از این رو ساخت فرایند داده کاوی پس از آن را دشوار می کند. وظیفه کسی که طبقه بندی می کند می تواند با از بین بردن ویژگی هایی که فرض می شود برای طبقه بندی اضافه هستند، ساده شود، مثلا حفظ فقط ویژگی های مربوطه که اندازه مجموعه داده را کاهش می دهد و پس از آن اجازه می دهد تا تجزیه و تحلیل قابل فهم تری از الگوهای استخراج شده و یا قوانین داشته باشیم.
در این مقاله، یک روش جدید ترکیبی متشکل از دو الگوریتم یادگیری ماشین مرسوم به منظور انجام انتخاب ویژگی مطرح شده است. الگوریتم های ژنتیکی (GAها) و ماشین های بردار پشتیبان(SVMها) به طور موثری بر اساس یک رویکرد لفاف یکی شده اند. به طور خاص، جزء GA بهترین ویژگی را با استفاده از اصول یک روند تکاملی جستجو می کند. سپس SVM الگوها را در مجموعه داده های کاهیده، مطابق با ویژگی زیر مجموعه های ارائه شده توسط کروموزوم های GAطبقه بندی می کند. هیبریدGA-SVM پیشنهادی متعاقبا با استفاده از مجموعه داده های به دست آمده از مخزن یادگیری ماشین UCI قانونی شمرده می شود. نتایج شبیه سازی نشان می دهد که هیبرید GA-SVM دقت طبقه بندی مناسب و سطح بالاتری از سازگاری را به وجود می آورد که قابل مقایسه با دیگر الگوریتم های منتشر شده می باشد. علاوه بر این اصلاحات، هیبرید را با استفاده از سنجش همبستگی بین صفاتی مانند میزان سلامتی به جای اعضای ضعیف تر موجود در جمعیت دارای کروموزوم تازه شکل یافته می سازند. این تنوع بیشتر تزریق می شودو سلامتی کلی جمعیت افزایش می یابد. به همین ترتیب، مکانیسم بهبود یافته نیز در همان مجموعه داده های مورد استفاده در مرحله اول تایید می شوند. نتایج اصلاحات را در دقت طبقه بندی تصدیق می کند و توانایی های بالقوه خود را به عنوان یک طبقه بندی کننده خوب برای مقاصد داده کاوی در آینده اثبات می کند. |
.
|
بخشی از مقاله انگلیسی : |
A hybrid evolutionary algorithm for attribute selection in data mining |
| Real life data sets are often interspersed with noise, making the subsequent data mining process difficult. The task of the classifier could be simplified by eliminating attributes that are deemed to be redundant for classification, as the retention of only pertinent attributes would reduce the size of the dataset and subsequently allow more comprehensible analysis of the extracted patterns or rules.
In this article, a new hybrid approach comprising of two conventional machine learning algorithms has been proposed to carry out attribute selection. Genetic algorithms (GAs) and support vector machines (SVMs) are integrated effectively based on a wrapper approach. Specifically, the GA component searches for the best attribute set by applying the principles of an evolutionary process. The SVM then classifies the patterns in the reduced datasets, corresponding to the attribute subsets represented by the GA chromosomes. The proposed GA-SVM hybrid is subsequently validated using datasets obtained from the UCI machine learning repository. Simulation results demonstrate that the GA-SVM hybrid produces good classification accuracy and a higher level of consistency that is comparable to other established algorithms. In addition, improvements are made to the hybrid by using a correlation measure between attributes as a fitness measure to replace the weaker members in the population with newly formed chromosomes. This injects greater diversity and increases the overall fitness of the population. Similarly, the improved mechanism is also validated on the same data sets used in the first stage. The results justify the improvements in the classification accuracy and demonstrate its potential to be a good classifier for future data mining purposes. |
|
.
| مشخصات مقاله : | |
| عنوان فارسی: یک الگوریتم تکاملی هیبریدی برای انتخاب ویژگی در داده کاوی |
|
| عنوان انگلیسی: A hybrid evolutionary algorithm for attribute selection in data mining |
|
| تعداد صفحات مقاله انگلیسی : 15 | تعداد صفحات ترجمه فارسی : ۳۴ |
| سال انتشار : 2009 | نشریه: الزویر – Elsevier |
| فرمت مقاله انگلیسی : PDF | فرمت ترجمه مقاله : ورد تایپ شده |
| کد محصول : 7680 | رفرنس : دارد |
| محتوای فایل : zip | حجم فایل : 3.44Mb |
| رشته های مرتبط با این مقاله: مهندسی کامپیوتر | |
| گرایش های مرتبط با این مقاله: هوش مصنوعی و مهندسی الگوریتم ها و محاسبات |
|
| مجله: سیستم های خبره با کاربردهای آن – Expert Systems with Applications | |
| دانشگاه: گروه مهندسی برق و کامپیوتر، دانشگاه ملی سنگاپور |
|
| کلمات کلیدی: الگوریتم های تکاملی، ماشین های بردار پشتیبانی، داده کاوی، انتخاب ویژگی، طبقه بندی الگو | |
| وضعیت ترجمه عناوین تصاویر و جداول : ترجمه شده است | |
| وضعیت ترجمه متون داخل تصاویر و جداول : ترجمه نشده است | |
| مطالب مرتبط: |
|
دانلود مقالات کامپیوتر با ترجمه فارسی دانلود رایگان مقاله انگلیسی با ترجمه فارسی |
.
| پشتیبانی : | |
| شما پس از انتخاب دکمه خرید در سایت کالج پروژه به سایت ایران عرضه جهت انجام مراحل خرید هدایت خواهید شد. | |
| – تلفن ثابت: ۰۴۱۴۲۲۷۳۷۸۱ – ساعات تماس: ۷ صبح الی ۱۸ عصر – آدرس ایمیل: iranarze.supt@gmail.com – تلگرام ایران عرضه: ۰۹۲۱۶۴۲۶۳۸۴ – پیامک: ۰۹۲۱۶۴۲۶۳۸۴ – آدرس: آذربایجان شرقی، مرند، خیابان کشاورزی، کوچه امین، پلاک ۳۰ – کد پستی: ۵۴۱۶۸۵۵۱۸۳ |
|
.
