کاهش ابعاد ویژگی با استفاده از الگوریتم های ابتکاری در طبقه بندی
چکیده
چکیدهای برای این سند ثبت نشده است.
چکیدهای برای این سند ثبت نشده است.
. ابعاد زیاد مساله، نرخ دستهبندی را بالا برده و باعث ایجاد خطا در دستهبندی میشود. انتخاب زیرمجموعه ویژگیها، به معنای شناسایی و انتخاب یک زیرمجموعه موثر از ویژگیها از میان مجموعه دادههای اولیه بوده و همچنین مبحث مهمی در تحلیل میزان همبستگی در زمینههای دستهبندی و مدلینگ می
طبقه بندی عملی مهم در داده کاوی و کشف دانش از پایگاه داده است. در اغلب موارد، زمانی که تلاش می کنیم تا یک طبقه بند را از داده های آموزشی یاد بگیریم، داده های آموزشی توزیع کلاس نامتوازنی دارند. مسألهی طبقهبندی نامتوازنِ باینری بدین صورت تعریف می شود: یک مسأله ی طبقهبندی است که د
در این پایانامه سعی شده است با الهام گرفتن از روشهای موجود کاهش ابعاد و ترکیب الگوریتم بهینه سازی گروه ذرات با مسئله دسته بندی روش جدیدی در حیطه کاهش ابعاد ارائه شود.
کاهش ریسک اعتباری مشتریان بانک با استفاده از تکنیک های انتخاب ویژگی و الگوریتم های خوشه بندی
کمردرد مشکل و شکایت شایعی است که بسیاری از افراد در طول زندگی با آن روبرو می شوند. آمار نشان می دهد که?? درصد از افراد در دوران زندگی خود حداقل یک مرتبه به علت کمردرد به پزشک مراجعه کرده اند. اگرچه علت کمردرد در بسیاری از بیماران ازطریق شکایت بیمار، آزمون های بالینی و آزمایشگاهی
طبقه بندی پوشش زمین یکی از کاربرد های مهم استفاده از داده های سنجش از دوری است. از میان تصاویر و داده های مورد استفاده در این مورد، داده های پلاریمتری راداری به خاطر امکان استخراج ویژگی های زیاد و متنوع میتوانند برای طبقه بندی گزینه مناسبی باشند. در این تحقیق یک روش عارضه مبنا بر
افزایش حجم پایگاه دادهها، مسئله کاهش ویژگی را ایجاد و پراهمیت میسازد. از این رو در علم دادهکاوی، یکی از زیربخشهای مهم، مسئله کاهش ابعاد (انتخاب ویژگی) میباشد که در آن زیرمجموعهای از ویژگیهایی که بیشترین تأثیر را بر روی الگوهای پنهان داده اصلی دارند انتخاب میشوند. در سالهای اخیر،
هدف از این تحقیق ارزیابی کارایی سه الگوریتم ماشین بردار پشتیبان، درخت تصمیمگیری و شبکه عصبی مصنوعی فازی آرتمپ جهت تهیه نقشه پوشش زمین حوزه آبخیز ارکواز با استفاده از تصویر سنجنده oli ماهواره لندست 8 (سال 1393) است. پس از تصحیح هندسی تصاویر و پیشپردازشهای صورت گرفته، اقدام به ت
هدف از این تحقیق ارزیابی کارایی سه الگوریتم ماشین بردار پشتیبان، درخت تصمیمگیری و شبکه عصبی مصنوعی فازی آرتمپ جهت تهیة نقشه پوشش زمین حوزه آبخیز ارکواز با استفاده از تصویر سنجنده OLI ماهواره لندست 8 (سال 1393) است. پس از تصحیح هندسی تصاویر و پیشپردازشهای صورت گرفته، اقدام به ت
طی چند دهه اخیر، تغییر کاربری اراضی تحت اثر عوامل محیطی و انسانی سبب بروز اثرات جدی بر محیط زیست، اقتصاد و اجتماع شده است، بنابراین داشتن اطلاع از نوع استفاده از اراضی و تغییرات آن در طی زمان از موارد مهم در برنامهریزی و سیاستگذاری در کشور است. یکی از کاربردهای تکنیک تلفیق تصاو
در پژوهش حاضر تأثیر الگوریتمهای طبقهبندی بر دقت حاصل از طبقهبندی پوشش آبسنگهای مرجانی با استفاده از تصاویر سنجندهی لندست 8 مربوط به سال 2013 میلادی، بررسی گردید. به این منظور به غیر از الگوریتم بیشترین احتمال که الگوریتم متداول در طبقه بندی پوشش صخرههای مرجانی میباشد، کارا
طی چند دهة اخیر، تغییر کاربری اراضی تحت اثر عوامل محیطی و انسانی سبب بروز اثرات جدی بر محیط زیست، اقتصاد و اجتماع شده است، بنابراین داشتن اطلاع از نوع استفاده از اراضی و تغییرات آن در طی زمان از موارد مهم در برنامهریزی و سیاستگذاری در کشور است. یکی از کاربردهای تکنیک تلفیق تصا