مقاله يک روش انتخاب ويژگي ترکيبي براساس بهينهسازي کلوني مورچهها با استفاده از جستجوي محلي و بهروزرساني جديد در طبقهبندي دادهها

توضیحات پروژه

  مقاله يک روش انتخاب ويژگي ترکيبي براساس بهينهسازي کلوني مورچهها با استفاده از جستجوي محلي و بهروزرساني جديد در طبقهبندي دادهها دارای 13 صفحه می باشد و دارای تنظیمات در microsoft word می باشد و آماده پرینت یا چاپ است

فایل ورد مقاله يک روش انتخاب ويژگي ترکيبي براساس بهينهسازي کلوني مورچهها با استفاده از جستجوي محلي و بهروزرساني جديد در طبقهبندي دادهها  کاملا فرمت بندی و تنظیم شده در استاندارد دانشگاه  و مراکز دولتی می باشد.

این پروژه توسط مرکز مرکز پروژه و مقالات آماده و تنظیم شده است

توجه : در صورت  مشاهده  بهم ريختگي احتمالي در متون زير ،دليل ان کپي کردن اين مطالب از داخل فایل ورد مي باشد و در فايل اصلي مقاله يک روش انتخاب ويژگي ترکيبي براساس بهينهسازي کلوني مورچهها با استفاده از جستجوي محلي و بهروزرساني جديد در طبقهبندي دادهها،به هيچ وجه بهم ريختگي وجود ندارد

بخشی از متن مقاله يک روش انتخاب ويژگي ترکيبي براساس بهينهسازي کلوني مورچهها با استفاده از جستجوي محلي و بهروزرساني جديد در طبقهبندي دادهها :

تعداد صفحات:13
چکیده:
ا نتخاب ویژگی اخیرا موضوع تحقیقات زیادی در داده کاوی خصوصا برای مجموعههای داده باتعدادزیادی ویژگی بوده است کارهای اخیر نشان میدهد که دارا بودن ویژگیهای نامربوط و زاید در مرحله فرآیند ساخت می تواند باکارایی ضعیف ومحاسبات زیاد منجر شود. در این مقاله یک الگوریتم کلونی مورچه ترکیبی برای انتخاب ویژگی ارایه شده است درالگوریتم پیشنهادی تعیین سایز بهینه ویژگیهای مفید به صورت خودکار انجام میشود. در هنگام انتخاب ویژگی هر مورچه ویژگی بعدی را که با ویژگی فعلی دارای همبستگی کمی است انتخاب میکند درصورتی که ممکن است این ویژگی با ویژگیهاای انتخابی قبلیمورچه دارای همبستگی زیادی میباشد، بنابراین استفاده از جستجوی محلی ضروری میباشد، که در این فرایند ویژگیها با اطلاعات اضافی حذف خواهند شد. به عبارت دیگر الگوریتم پیشنهادی روی انتخاب ویژگیهای مناسب و کاهش تعداد ویژگیهای انتخابی با استفاده از تابع تخمین سایز بهینه تعداد ویژگیهای مفید تاکید دارد و نیز زمان اجرا را کاهش داده است. و برای به روزرسانی بهترین مسیر در هر تکرار از بهروزرسانی جدید استفاده شده است. کارایی الگوریتم پیشنهادی با متدهای پیشین روی دوازده مجموعه دادهای UCI با تنوع در تعداد ویژگی و تعداد نمونهها، مقایسه شده که نتایج، برتری الگوریتم پیشنهادی را نشان میدهند

برای دریافت پروژه اینجا کلیک کنید