مشاهده مشخصات مقاله
هرس دسته‌بند تجمیعی با استفاده از انتخاب پیشروانه الگوریتم جستجوی ممنوعه
|
Authors |
-
زهرا سادات تقوي
-
هدیه ساجدي
|
|
Conference |
نوزدهمین کنفرانس ملی سالانه انجمن کامپیوتر ایران |
|
Abstract |
هرس تجمیع یکی از مؤثرترین عملیات برای افزایش عملکرد پیش‌بینی و کاهش سربار محاسباتی روش‌های تجمیعی در حیطه یادگیری ماشین است. این عملیات که یکی از مسائل NP-Complete می‌باشد، توجه محققان زیادی را در این حیطه به خود جلب کرده است. در این مقاله، یک روش هرس دسته‌بند تجمیعی جدید پیشنهاد می‌شود که با استفاده از انتخاب پیشروانه الگوریتم‌های جستجوی ممنوعه، بهترین مدل‌ها را به صورت گام به‌گام از تجمیع اولیه انتخاب می‌کند تا در انتها بهترین زیرمجموعه از آن به دست آید. به علاوه در این روش، یک استراتژی جدید و اثرگذار با نام "فراموشی دوره‌ای" که خاص لیست ممنوعه است، پیشنهاد می‌شود. روش پیشنهادی با دو روش پیشرفته مشابه برای هرس یک تجمیع اولیه ناهمگن و روی 10 مجموعه داده استاندارد، مورد مقایسه و ارزیابی قرار می‌گیرد. این آزمایش‌ها براساس معیار دقتِ تجمیع هرس شده، اندازه آن و میانگین زمان اجرا تحلیل می‌شوند. نتایج آزمایش‌ها نشان می‌دهد که روش پیشنهادی در مقایسه با دو روش مشابه، به طور میانگین منتهی به 069/3% بهبود دقت می‌شود. به علاوه، روش پیشنهادی در کاهش اندازه تجمیع اولیه و یافتن مدل‌های دقیق‌تر آن، موفق‌تر است که یکی از دلایل این امر می‌تواند وقت بیشتری باشد که برای جستجوی مدل‌ها صرف می‌کند. |
|
قیمت |
-
برای اعضای سایت : 100,000 Rial
-
برای دانشجویان عضو انجمن : 20,000 Rial
-
برای اعضای عادی انجمن : 40,000 Rial
|
خرید مقاله
|
|
.gif){kind=icon}