Modified Binary Cuckoo Search Using Rough Set Theory for Feature Selection
| العنوان بلغة أخرى: |
حل مشكلة اختيار المعالم باستخدام خوارزمية بحث الوقواق الثنائية المعدلة ونظرية مجموعات الاستقراب |
|---|---|
| المؤلف الرئيسي: | Alia, Ahmed Fayez (Author) |
| مؤلفين آخرين: | Taweel, Adel (Advisor) |
| التاريخ الميلادي: |
2015
|
| موقع: | بيرزيت |
| الصفحات: | 1 - 88 |
| رقم MD: | 702969 |
| نوع المحتوى: | رسائل جامعية |
| اللغة: | الإنجليزية |
| الدرجة العلمية: | رسالة ماجستير |
| الجامعة: | جامعة بيرزيت |
| الكلية: | كلية الهندسة والتكنولوجيا |
| الدولة: | فلسطين |
| قواعد المعلومات: | Dissertations |
| مواضيع: | |
| رابط المحتوى: |
عدد مرات التحميل
13
| المستخلص: |
حل مشكلة اختيار المعالم باستخدام خوارزمية بحث الوقواق الثنائية المعدلة ونظرية مجموعات الاستقراب مشكلة اختيار المعالم في التصنيف هي عملية مهمة لإيجاد أقل عدد ممكن من العالم من مجموعة البيانات الأصلية عن طريق إزالة المعالم التي لا تحوي أو تقدم أية معلومات هامة لخوارزميات التصنيف. هذه العملية تهدف إلى تحسين دقة نموذج التصنيف وتبسيطه وتقليل الوقت المطلوب لبنائه من قبل خوارزميات التصنيف. نظرية مجموعات الاستغراب هي إحدى الطرق الفعالة في اختيار المعالم، ولكنها تستخدم البحث الشامل للبحث في كل الحلول الممكنة، وأيضا تستخدم درجة الاعتمادية لتقويم هذه الحلول. ولكن طريقة البحث الشامل مكلفة وغير مناسبة لمجموعات البيانات الضخمة، إضافة إلى ذلك فإن درجة الاعتمادية فعالة فقط لمجموعات البيانات من النوع nominal. لذلك فإن خوارزميات الأداء العليا وخصوصا الخوارزميات المستوحاة من الطبيعة أصبحت تستخدم بشكل واسع لتحل محل البحث الشامل في طريقة مجموعات الاستقراب، بالإضافة إلى عوامل أخرى مثل القيم المتكررة التي تستخدم مع درجة الاعتمادية لتحسين أداء مجموعات الاستقراب في مختلف أنواع مجموعات البيانات. هذه الأطروحة تهدف إلى تقديم طريقة جديدة لمعالجة مشكلة اختيار المعالم في التصنيف من خلال تطوير خوارزمية الوقواق الثنائية وتطوير دالة هدف جديده تعتمد على نظرية مجموعات الاستغراب والقيم المتكررة لاختيار أقل عدد تمكن من المعالم بوقت قليل ومن دون تقليل واضح في كفاءة أداء خوارزميات التصنيف، وأن يكون فعالا على أنواع مختلفة من مجموعات البيانات المتنوعة في الخصائص. في مرحلة التقييم، قمنا بتقويم عملنا على 16 مجموعة بيانات مأخوذة من UCI. ثم قمنا بمقارنة عملنا بثلاثة طرق أخرى معروفة من نفس الفئة: خوارزمية الوقواق الثنائية ونظريه الاستغراب قبل تعديلهما (الطريقة الأساسية). وخوارزمية أسراب الطيور والخوارزمية الجينية. أيضا تم استخدام خوارزميات التصنيف (خوارزمية شجرة اتخاذ القرار وخوارزمية naïve Bayes) من أجل تقويم أداء التصنيف في هذه الطرق الأربعة. أظهرت النتائج أن طريقتنا الجديدة حققت أفضل النتائج على مستوى عدد العالم المختارة بالإضافة إلى قيم أداء التصنيف مقارنة بالطرق الأخرى التي استخدمت في التجارب في معظم مجموعات البيانات. أيضا الطريقة الجديدة مقارنة بالطريقة الأساسية احتاجت وقت أقل في كل مجموعات البيانات المستخدمة في التجارب. |
|---|
عناصر مشابهة
-
Algebraic connections with rough set theory
بواسطة: Al Tuwairqi, Abd Allah Abid منشور: (2014) -
CS-IBC: Cuckoo Search Based Incremental Binary Classifier For Data Streams
بواسطة: Abdualrhman, Mohammed Ahmed Ali منشور: (2019) -
Squirrel Search Algorithm for Feature Selection Problems
بواسطة: النسور، عمر عبدالهادي منشور: (2020) -
Cooperative Search and Rescue with Swarm of Robots Using Binary Dragonfly Algorithm
بواسطة: أبو عمر، لينة يزيد عبدالرحيم منشور: (2018) -
Feature Selection Problems Based on Marine Predators Algorithm
بواسطة: البشكمي، دانيا فراس رويلي منشور: (2021)
