-
-
-
دسترسی آزاد مقاله
1 - یک الگوریتم انتخاب ویژگی برخط گروهی با استفاده از نظریه اطلاعات متقابل
مریم رحمانی نیا سندس بهادریامروزه ویژگی¬ها به¬صورت پیوسته و یکی¬یکی یا گروهی به مجموعه داده¬ها اضافه¬می¬شوند. این امر باعث افزایش بی¬رویه ابعاد داده¬های آموزشی می¬شود. روش¬های انتخاب ویژگی برخط، با انتخاب یک زیر مجموعه مهم از میان مجموعه ویژگی¬های دیده¬شده تا آن لحظه اندازه داده¬های آموزشی را کاه چکیده کاملامروزه ویژگی¬ها به¬صورت پیوسته و یکی¬یکی یا گروهی به مجموعه داده¬ها اضافه¬می¬شوند. این امر باعث افزایش بی¬رویه ابعاد داده¬های آموزشی می¬شود. روش¬های انتخاب ویژگی برخط، با انتخاب یک زیر مجموعه مهم از میان مجموعه ویژگی¬های دیده¬شده تا آن لحظه اندازه داده¬های آموزشی را کاهشمی¬دهند و در نتیجه عملکرد الگوریتم¬های یادگیری ماشین را بهبود می¬بخشند. اما به¬دلیل عدم¬قطعیت و ابهام در داده¬های آموزشی، روش¬های انتخاب ویژگی برخط موجود معمولاً از مشکلاتی مانند مقیاس¬پذیری، دقت پایین و زمان اجرای بالا رنج-می¬برند. همچنین بسیاری از این روش¬ها توانایی انتخاب ویژگی¬های مهم هنگامی که ویژگی¬ها به¬صورت گروهی به مجموعه داده¬ها اضافه-می¬شوند را ندارند. بنابراین در این مقاله، یک روش انتخاب ویژگی برخط گروهی بر اساس نظریه اطلاعات متقابل ارائه¬داده¬ایم. در روش پیشنهادی در ابتدا مقدار ارتباط هر یک از ویژگی¬های موجود در گروه تازه¬وارد شناسایی و سپس مقدار افزونگی ویژگی¬های انتخابی در گروه تازه¬وارد و مجموعه ویژگی¬هایی که قبلاً انتخاب¬شده محاسبه و ویژگی¬های اضافی حذف¬می¬شوند. نتایج به¬دست¬آمده توسط الگوریتم پیشنهادی در مقایسه با 3 الگوریتم انتخاب ویژگی برخط گروهی دیگر ارزیابی¬شده¬است. طبق نتایج حاصل، الگوریتم پیشنهادی کارایی بالاتری نسبت به سایر الگوریتم¬ها به¬دست¬آورده¬است. پرونده مقاله
فهرست مقالات مریم رحمانی نیا
-
حقوق این وب‌سایت متعلق به سامانه مدیریت نشریات دانشگاه آزاد اسلامی است.
حق نشر © 1403-1400