دانلود مقاله و خرید ترجمه:ویژگی و انتخاب مورد برای طبقه بندی کننده NN از طریق مجموعه های راف و الگوریتمهای الهام گرفته از طبیعت - 2014

محرم

کارابرن عزیز، مقالات isi بالاترین کیفیت ترجمه را دارند، ترجمه آنها کامل و دقیق می باشد (محتوای جداول و شکل های نیز ترجمه شده اند) و از بهترین مجلات isi انتخاب گردیده اند. همچنین تمامی ترجمه ها دارای ضمانت کیفیت بوده و در صورت عدم رضایت کاربر مبلغ عینا عودت داده خواهد شد.

پشتیبانی
اپلیکشن اندروید
آرشیو مقالات
ورود اعضا
توجه توجه توجه !!!!
تمامی مقالات ترجمه شده ، انگلیسی و کتاب های این سایت با دقت تمام انتخاب شده اند. در انتخاب مقالات و کتاب ها پارامترهای جدید بودن، پر جستجو بودن، درخواست کاربران ، تعداد صفحات و ... لحاظ گردیده است. سعی بر این بوده بهترین مقالات در هر زمینه انتخاب و در اختیار شما کاربران عزیز قرار گیرد. ضمانت ما، کیفیت ماست.
نرم افزار winrar

از نرم افزار winrar برای باز کردن فایل های فشرده استفاده می شود. برای دانلود آن بر روی لینک زیر کلیک کنید
دانلود

پیوندهای کاربردی
پیوندهای مرتبط
مقالات ترجمه شده الگوریتم ها ( algorithms )
  • Attribute and Case Selection for NN Classifier through Rough Sets and Naturally Inspired Algorithms ویژگی و انتخاب مورد برای طبقه بندی کننده NN از طریق مجموعه های راف و الگوریتمهای الهام گرفته از طبیعت

    سال انتشار:

    2014


    ترجمه فارسی عنوان مقاله:

    ویژگی و انتخاب مورد برای طبقه بندی کننده NN از طریق مجموعه های راف و الگوریتمهای الهام گرفته از طبیعت


    عنوان انگلیسی مقاله:

    Attribute and Case Selection for NN Classifier through Rough Sets and Naturally Inspired Algorithms


    منبع:

    Computación y Sistemas Vol. 18 No.2, 2014 pp. 295-311


    نویسنده:

    Yenny Villuendas-Rey and Maria Matilde Garcia-Lorenzo


    چکیده انگلیسی:

    Supervised classification is one of the most active research fields in the Artificial Intelligence community. Nearest Neighbor (NN) is one of the simplest and most consistently accurate approaches to supervised classification. The training set preprocessing is essential for obtaining high quality classification results. This paper introduces an attribute and case selection algorithm using a hybrid Rough Set Theory and naturally inspired approach to improve the NN performance. The proposed algorithm deals with mixed and incomplete, as well as imbalanced datasets. Its performance was tested over repository databases, showing high classification accuracy while keeping few cases and attributes.
    Keywords: Nearest neighbor | case selection | attribute selection.


    چکیده فارسی:

    طبقه بندی نظارت شده یکی از مهمترین زمینه های تحقیقاتی در جامعه هوش مصنوعی / هوش ماشینی است . جستجوی نزدیکترین همسایه (NN) یکی از ساده ترین و دقیق ترین رویکردهای طبقه بندی نظارت شده است . پیش پردازشِ مجموعه های آموزشی برای بدست آوردن نتایج طبقه بندی با کیفیت بالا بسیار ضروری است . این مقاله به معرفی ویژگی و انتخاب موردی الگوریتم با استفاده از مدلهای هیبریدی مبتنی بر تئوری مجموعه های راف و رویکرد الهام گرفته از طبیعت بمنظور بهبود عملکرد NN میپردازد . کارایی این مجموعه ها با توجه به پایگاه داده ها مورد بررسی قرار گرفته است ، و حاکی از دقت در طبقه بندی است در حالیک موارد و ویژگیهای خاصی را نیز ارزیابی میکند .
    واژگان کلیدی : نزدیکترین همسایه | انتخاب مورد | انتخاب ویژگی .


    سطح: متوسط
    تعداد صفحات فایل pdf انگلیسی: 17
    تعداد صفحات فایل doc فارسی(با احتساب مراجع): 45

    وضعیت ترجمه عناوین تصاویر و جداول: به صورت کامل ترجمه شده است

    وضعیت ترجمه متون داخل تصاویر و جداول: به صورت کامل ترجمه شده است

    حجم فایل: 723 کیلوبایت


    قیمت: 38000 تومان  34200 تومان(10% تخفیف)


    توضیحات اضافی:




اگر این مقاله را پسندیدید آن را در شبکه های اجتماعی به اشتراک بگذارید (برای به اشتراک گذاری بر روی ایکن های زیر کلیک کنید)

این مقاله را در فیس بوک به اشتراک بگذارید این مقاله را در توییتر به اشتراک بگذارید این مقاله را در لینکداین به اشتراک بگذارید این مقاله را در گوگل پلاس به اشتراک بگذارید این مقاله را در زینگ به اشتراک بگذارید این مقاله را در تلگرام به اشتراک بگذارید

تعداد نظرات : 0

الزامی
الزامی
الزامی
الگوریتم-ها
موضوعات
footer