ترجمه مقالات مهندسی صنایع

دانلود ترجمه مقاله الگوریتم درخت تصمیم گیری برای جریان داده کاوی مبتنی بر کران McDiarmid

ترجمه فارسی مقاله درختان تصمیم گیری برای جریان های داده کاوی مبتنی بر کران McDiarmid

مقاله ترجمه شده درختان تصمیم گیری برای جریان های داده کاوی مبتنی بر کران McDiarmid مربوط به رشته مهندسی صنایع و درباره داده کاوی می باشد که هم اکنون می توانید مقاله انگلیسی بهمراه ترجمه فارسی آن را از سایت کالج پروژه دانلود نمایید.

 .

دانلود مقاله انگلیسی با ترجمه فارسی :
دانلود رایگان مقاله انگلیسی Decision Trees for Mining Data Streams Based on the McDiarmid’s Bound

خرید ترجمه فارسی مقاله درختان تصمیم گیری برای جریان های داده کاوی مبتنی بر کران McDiarmid

 .

بخشی از ترجمه فارسی مقاله :  درختان تصمیم گیری برای جریان های داده کاوی مبتنی بر کران McDiarmid
 در جریان های داده کاوی محبوب ترین ابزار، الگوریتم درخت Hoeffding می باشد. از کران Hoeffding برای تعیین کوچکترین تعداد نمونه های مورد نیاز در یک گره که برای انتخاب ویژگی تقسیم استفاده می کند.در ادبیات کران  Hoeffding  مشابهی برای هر تابع ارزیابی (اندازه گیری اکتشافی)، به عنوان مثال، بدست آوری اطلاعات و یا شاخص Gini مورد استفاده قرار می گرفت. در این مقاله، نشان داده شده است که نابرابری Hoeffding برای حل مشکل اساسی مناسب نیست.

ما دو قضیه را اثبات می کنیم که کران McDiarmid را برای هر دو اطلاعات مورد استفاده در الگوریتم۳  ID، و شاخص Gini ، در طبقه بندی و الگوریتم درختان رگرسیون (CART) مورد استفاده قرار می دهد. نتایج مقاله تضمین می کند که یک سیستم یادگیری درخت تصمیم گیری، اعمال شده به جریان های داده ای و بر اساس کران McDiarmid  ، دارای ویژگی است که در آن خروجی تقریبا یکسان با یادگیرنده معمولی است. نتایج مقاله تاثیر به سزایی بر روی وضعیت جریان های داده ای و روش های مختلف توسعه یافته تا کنون دارد و الگوریتم ها باید تجدید نظر گردند.

 .

بخشی از مقاله انگلیسی :

 Decision Trees for Mining Data Streams Based on the McDiarmid’s Bound
 In mining data streams the most popular tool is the Hoeffding tree algorithm. It uses the Hoeffding’s bound to determine the smallest number of examples needed at a node to select a splitting attribute. In the literature the same Hoeffding’s bound was used for any evaluation function (heuristic measure), e.g., information gain or Gini index. In this paper, it is shown that the Hoeffding’s inequality is not appropriate to solve the underlying problem.

We prove two theorems presenting the McDiarmid’s bound for both the information gain, used in ID3 algorithm, and for Gini index, used in Classification and Regression Trees (CART) algorithm. The results of the paper guarantee that a decision tree learning system, applied to data streams and based on the McDiarmid’s bound, has the property that its output is nearly identical to that of a conventional learner. The results of the paper have a great impact on the state of the art of mining data streams and various developed so far methods and algorithms should be reconsidered.

 .

مشخصات مقاله :
عنوان فارسی:  درختان تصمیم گیری برای جریان های داده کاوی مبتنی بر کران McDiarmid
عنوان انگلیسی:  Decision Trees for Mining Data Streams Based on the McDiarmid’s Bound
تعداد صفحات مقاله انگلیسی :  8 تعداد صفحات ترجمه فارسی :  22
سال انتشار :  2013
نشریه:   آی تریپل ای – IEEE
فرمت مقاله انگلیسی : PDF فرمت ترجمه مقاله : ورد تایپ شده
کد محصول :  8064 رفرنس : دارد
محتوای فایل : zip حجم فایل :  1.82Mb
رشته های مرتبط با این مقاله:  مهندسی صنایع
گرایش های مرتبط با این مقاله:  داده کاوی
مجله: تراکنش ها در دانش و اطلاعات مهندسی – TRANSACTIONS ON KNOWLEDGE AND DATA ENGINEERING
دانشگاه:  موسسه هوش محاسباتی، دانشگاه تکنولوژی چستوچوا، لهستان
کلمات کلیدی:  جریان داده ها، درخت های تصمیم گیری، محدوده Hoeffding، مرز McDiarmid، افزایش اطلاعات، شاخص جینی
وضعیت ترجمه عناوین تصاویر و جداول : ترجمه شده است
وضعیت ترجمه متون داخل تصاویر و جداول : ترجمه نشده است
وضعیت فرمولها و محاسبات در فایل ترجمه: به صورت عکس، درج شده است

 

دانلود مقاله انگلیسی با ترجمه فارسی :
دانلود رایگان مقاله انگلیسی Decision Trees for Mining Data Streams Based on the McDiarmid’s Bound

خرید ترجمه فارسی مقاله درختان تصمیم گیری برای جریان های داده کاوی مبتنی بر کران McDiarmid

 

مطالب مرتبط:

دانلود رایگان مقاله انگلیسی با ترجمه فارسی

دانلود مقالات مهندسی صنایع 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

پشتیبانی و تیکت

سوالات متداول

پیگیری خرید

telegram.me/IranArze

 .

نوشته های مشابه

دیدگاهتان را بنویسید

نشانی ایمیل شما منتشر نخواهد شد. بخش‌های موردنیاز علامت‌گذاری شده‌اند *

دکمه بازگشت به بالا