ارسل ملاحظاتك

ارسل ملاحظاتك لنا







A Feature Selection Method for Data Mining Tasks Using Hybrid Sine Cosine Algorithm with Genetic Algorithm

العنوان بلغة أخرى: طريقة تحديد الميزات لمهام التنقيب عن البيانات باستخدام تهجين خوارزمية الجيب-جيب التمام مع الخوارزمية الجينية
المؤلف الرئيسي: دليمى، أكرم جمال على (مؤلف)
مؤلفين آخرين: أبو عليقة، ليث محمد (مشرف)
التاريخ الميلادي: 2019
موقع: عمان
الصفحات: 1 - 80
رقم MD: 1052919
نوع المحتوى: رسائل جامعية
اللغة: الإنجليزية
الدرجة العلمية: رسالة ماجستير
الجامعة: جامعة عمان العربية
الكلية: كلية العلوم الحاسوبية والمعلوماتية
الدولة: الاردن
قواعد المعلومات: Dissertations
مواضيع:
رابط المحتوى:
صورة الغلاف QR قانون

عدد مرات التحميل

29

حفظ في:
المستخلص: تعتبر مشاكل اختيار الميزات من المشاكل العالمية الحقيقية. كما تعد تقنية اختيار الميزات أحد الحلول التي يتم استخدامها لإنشاء طرق تنبؤيه تقلل من أخطاء التنبؤ في المصنفات من خلال تحديد ميزات مهمة عن طريق تجاهل الميزات المكررة وغير الملائمة وليست ذات علاقة في مجموعة البيانات الأصلية. لذلك تعد طرق اختيار الميزات مهمة وضرورية لمعالجة مشاكل التصنيف وتقليل حجم الميزات الكبير جدا. ولهذا السبب ومن أجل حل مشاكل اختيار الميزات، لقد تم اقتراح طريقة جديدة لاختيار الميزات تستند إلى تحسين خوارزمية الجيب-جيب التمام عن طريق تهجينها مع الخوارزمية الجينية حيث أن هذه الخوارزميات الإرشادية تستند إلى معيارين استراتيجيين هما الاستكشاف خلال مساحة البحث والاستغلال الذي يقوم بتحديد الحل الأمثل. حيث تم ملاحظة ضعف في استراتيجية الاستكشاف لخوارزمية الجيب-جيب التمام فتم الشروع في تحسين هذا الضعف بحيث يؤدي هذا التحسين إلى الحصول على أداء أفضل للخوارزمية من خلال الموازنة بين استراتيجية الاستكشاف واستراتيجية الاستغلال. كما وتم إخضاع هذه الطريقة الجديدة إلى معايير لتقييم قدرتها على حل مشاكل تحديد الميزات وكانت النتائج ممتازة حيث تم الحصول على دقة عالية في التصنيف مع أقل عدد من الميزات في نتائج الطريقة المقترحة من خلال المقارنة بين الطريقة المقترحة وخوارزمية الجيب-جيب التمام الأصلية وكذلك مقارنة الطريقة المقترحة مع طرق أخرى ذات علاقة تم نشرها سابقا وهذا يدل على أن الطريقة المقترحة هي الأفضل خلال جميع البيانات التي تم استخدامها والتي تم جمعها من مستودع لقواعد البيانات تابع إلى جامعة كاليفورنيا الأميركية.

عناصر مشابهة