دوره 19، شماره 4 - ( 12-1401 )                   جلد 19 شماره 4 صفحات 32-19 | برگشت به فهرست نسخه ها

XML English Abstract Print

Download citation:
BibTeX | RIS | EndNote | Medlars | ProCite | Reference Manager | RefWorks
Send citation to:
Sharifnezhad M, Rahmani M, Ghafarian H. A New Framework for Distributed Multivariate Feature Selection. JSDP 2023; 19 (4) : 2
URL: http://jsdp.rcisp.ac.ir/article-1-1156-fa.html
شریف نژاد منا، رحمانی محسن، غفاریان حسین. ارائه یک چارچوب توزیع شده برای انتخاب ویژگی چندمتغیره. پردازش علائم و داده‌ها. 1401; 19 (4) :19-32

URL: http://jsdp.rcisp.ac.ir/article-1-1156-fa.html

ارائه یک چارچوب توزیع شده برای انتخاب ویژگی چندمتغیره
منا شریف نژاد ، محسن رحمانی* ، حسین غفاریان
دانشگاه اراک
چکیده:   (605 مشاهده)
در بسیاری از مسائل یادگیری ماشین، انتخابِ ویژگی­های مرتبط و اجتناب از ویژگی­های افزونه، برای بهبود کارایی انتخاب ویژگی ضروری است. در اکثر رویکردهای موجود، از الگوریتم­های فیلتر چندمتغیره برای این منظور استفاده می­شود که در آن­ها تعامل با طبقه­بند نادیده گرفته می­شود. این مقاله با ارائه یک چارچوب، ترکیب روش­های نهفته با روش­های  فیلتر چندمتغیره را پیشنهاد می­دهد تا با درنظر گرفتن تعامل با طبقه­بند در انتخاب ویژگی­ها، این مشکل را برطرف نماید. در چارچوب پیشنهاد شده، ارتباط بین هر ویژگی و برچسب­های کلاس توسط الگوریتم­های نهفته محاسبه می­شود و افزونگی بین ویژگی­ها از طریق الگوریتم­های فیلتر چندمتغیره بررسی می­شود. این چارچوب پیشنهادی، دقت طبقه­بندی را روی چندین مجموعه داده­ بهبود داده­ است. به­علاوه در فرایند انتخاب ویژگی پیشنهاد شده، بجای استفاده یکدفعه  از همه مجموعه داده­ها، از توزیع افقی آن­ها استفاده شده است. این خصوصیت برای مجموعه داده­هایی که دارای نمونه­های زیادی هستند و نیز در محیط ­هایی که داده ها  متمرکز نیستند، باعث کاهش زمان اجرای فرایند انتخاب ویژگی شده است. کیفیت روش ما با استفاده از شش مجموعه داده ارزیابی شده است. نتایج ثابت می­کنند که چارچوب پیشنهاد شده، می­تواند دقت طبقه­بندی را در مقایسه با روش­های صرفا مبتنی بر فیلتر چندمتغیره بهبود دهد. همچنین سرعت اجرا می­تواند در مقایسه با روش­های متمرکز بهبود یابد.
شماره‌ی مقاله: 2
واژه‌های کلیدی: انتخاب ویژگی فیلتر چندمتغیره، انتخاب ویژگی نهفته، طبقه‌بندی، توزیع شدگی
متن کامل [PDF 604 kb]   (607 دریافت)    
نوع مطالعه: پژوهشي | موضوع مقاله: مقالات پردازش داده‌های رقمی
دریافت: 1399/5/2 | پذیرش: 1401/2/21 | انتشار: 1401/12/29 | انتشار الکترونیک: 1401/12/29
ارسال نظر درباره این مقاله : نام کاربری یا پست الکترونیک شما:
CAPTCHA
ارسال پیام به نویسنده مسئول

بازنشر اطلاعات
Creative Commons License این مقاله تحت شرایط Creative Commons Attribution-NonCommercial 4.0 International License قابل بازنشر است.

کلیه حقوق این تارنما متعلق به فصل‌نامة علمی - پژوهشی پردازش علائم و داده‌ها است.