این سایت در حال حاضر پشتیبانی نمی شود و امکان دارد داده های نشریات بروز نباشند
رایانش نرم و فناوری اطلاعات، جلد ۸، شماره ۱، صفحات ۳۱-۴۰
عنوان فارسی کاهش نمونه در داده‌ها به کمک الگوریتم بهینه‌سازی چندهدفه ازدحام ذرات آشوبی
چکیده فارسی مقاله امروزه با توجه به حجم وسیع داده‌ها، مسئله کاهش نمونه حائز اهمیت است. همچنین عدم وجود توازن در توزیع داده‌ها بین کلاسهای مختلف یک چالش جدی در دادهکاوی است. در روش پیشنهادی، مسئله کاهش نمونه بهعنوان مسئلهی چندهدفه در نظر گرفته شده است که توانسته است با درنظر گرفتن دو معیار متضاد صحت طبقهبندی و نرخ کاهش نمونهها و همچنین توجه به معیارهای مربوط به دادههای نامتوازن عملکرد خوبی داشته باشد. ایجاد و حفظ توازن در انواع مختلف توزیع داده مهمترین هدف روش پیشنهادی است. مسئله چندهدفه طراحی شده با استفاده از الگوریتم بهینهسازی ازدحام ذرات آشوبی حل شده است. سطح تصمیم مبتنی بر فاصله در روش پیشنهادی، وظیفه تشخیص حفظ و یا حذف نمونههای آزمایشی را دارد. نتایج آزمایشات نشاندهندهی برتری روش پیشنهادی از نظر دقت و صحت طبقهبندی و نرخ کاهش دادهها نسبت به روشهای مرز دانش است. نتایج آزمایشات نشاندهندهی برتری روش پیشنهادی از نظر دقت و صحت طبقهبندی و نرخ کاهش دادهها نسبت به روشهای مرز دانش است.
کلیدواژه‌های فارسی مقاله
عنوان انگلیسی Instance Reduction Using Multi-Objective Chaotic Particle Swarm Optimization Algorithm
چکیده انگلیسی مقاله Today, it is important to reduce the original huge data set to a manageable volume. Also, unbalanced data distribution between different classes is a serious challenge in data mining. In the proposed method, the instance reduction problem is considered as a multi-objective problem, which can perform well by considering the two contradict criteria, classification accuracy and reduction rate of instances. The multi-objective problem is solved using the chaotic particle swarm optimization algorithm. The distance-based decision classifier has the task of distinguishing the maintenance or deletion of test instances. Creating and maintaining balances for different types of data distribution is the main goal of the proposed method. The results of the experiments have been compared with the state-of-the-art methods, which show superiority of the proposed method in terms of classification accuracy and reduction percentage. The results of the experiments have been compared with the state-of-the-art methods, which show superiority of the proposed method in terms of classification accuracy and reduction percentage.
کلیدواژه‌های انگلیسی مقاله
نویسندگان مقاله جواد حمیدزاده |
دانشگاه صنعتی سجاد

نیلوفر کاشفی |
دانشگاه صنعتی سجاد

منا مرادی |
کارشناسی ارشد، مهندسی نرم افزار، دانشکده مهندسی کامپیوتر و فناوری اطلاعات، دانشگاه صنعتی سجاد، مشهد.

نشانی اینترنتی http://jscit.nit.ac.ir/article_82653_bd7287988754a3cf413c14e779ee0596.pdf
فایل مقاله اشکال در دسترسی به فایل - ./files/site1/rds_journals/834/article-834-1356684.pdf
کد مقاله (doi)
زبان مقاله منتشر شده fa
موضوعات مقاله منتشر شده
نوع مقاله منتشر شده
برگشت به: صفحه اول پایگاه   |   نسخه مرتبط   |   نشریه مرتبط   |   فهرست نشریات