به جمع مشترکان مگیران بپیوندید!

تنها با پرداخت 70 هزارتومان حق اشتراک سالانه به متن مقالات دسترسی داشته باشید و 100 مقاله را بدون هزینه دیگری دریافت کنید.

برای پرداخت حق اشتراک اگر عضو هستید وارد شوید در غیر این صورت حساب کاربری جدید ایجاد کنید

عضویت
جستجوی مقالات مرتبط با کلیدواژه

qashqai algorithm

در نشریات گروه مدیریت
تکرار جستجوی کلیدواژه qashqai algorithm در نشریات گروه علوم انسانی
تکرار جستجوی کلیدواژه qashqai algorithm در مقالات مجلات علمی
  • مهدی خادم، عباس طلوعی اشلقی*، کیامرث فتحی هفشجانی

    با توجه به افزایش حجم داده ها و اطلاعات در سالهای اخیر مساله انتخاب مناسبترین ویژگی جهت تصمیم گیری اهمت فراوانی یافته است. روش های کلاسیک انتخاب ویژگی نمی توانند بر روی داده های بزرگ به درستی عمل نمایند. از آنجا که مسیله انتخاب ویژگی یک مساله سخت و پیچیده است، استفاده از الگوریتم های فرا ابتکاری جهت حل این مساله مناسب به نظر می رسد. در این مقاله الگوریتم فرا ابتکاری جدیدی با الهام از کوچ عشایر جهت حل مساله انتخاب ویژگی ارایه شده است. این الگوریتم به افتخار ایل قشقایی نامگذاری شده است. در این الگوریتم ترکیبی تابع تناسبی مبتنی بر الگوریتم انتخاب ویژگی و براساس کمینه سازی تعداد ویژگی ها و میزان خطای داده ها با استفاده از نتایج شبکه عصبی طراحی شد. سپس الگوریتم فرا ابتکاری قشقایی بر روی این تابع تناسب پیاده سازی شد و نتایج با الگوریتم های فرا ابتکاری مشهور ژنتیک و ازدحام ذرات مورد مقایسه قرار گرفت. نتایج آزمون فرض نشان داد که الگوریتم بهینه سازی قشقایی جهت حل مساله انتخاب ویژگی توسط الگوریتم ژنتیک و ازدحام ذرات مغلوب نمی گردد و به لحاظ همگرایی به جواب بهینه به خوبی آنها عمل می کند.

    کلید واژگان: مساله انتخاب ویژگی، الگوریتم فرا ابتکاری، الگوریتم ژنتیک، الگوریتم ازدحام ذرات، الگوریتم قشقایی
    Mehdi Khadem, Abbas Toloie Eshlaghy *, Kiamars Fathi Hafshejani

    Due to the increase in the volume of data and information in recent years, the issue of choosing the most appropriate feature for decision making has become very important. Classic attribute selection methods cannot work well on big data. Because feature selection is a complex problem, it seems appropriate to use meta-heuristic algorithms to solve this problem. In this paper, a new meta-heuristic algorithm inspired by nomadic migration to solve the feature selection problem is presented. This algorithm is named in honor of the Qashqai tribe. In this hybrid algorithm, the proportional function was designed based on the feature selection algorithm and based on minimizing the number of features and the amount of data error using neural network results. Then the Qashqai meta-heuristic algorithm was implemented on this fitness function and the results were compared with the well-known meta-heuristic algorithms of genetics and particle swarm. The results of the hypothesis test showed that the Qashqai optimization algorithm to solve the feature selection problem by the genetic algorithm and particle swarm is not defeated and in terms of convergence to the optimal solution works well.

    Keywords: Feature Selection Problem, Meta-Heuristic Algorithm, Genetic algorithm, Particle Swarm Algorithm, Qashqai Algorithm
نکته
  • نتایج بر اساس تاریخ انتشار مرتب شده‌اند.
  • کلیدواژه مورد نظر شما تنها در فیلد کلیدواژگان مقالات جستجو شده‌است. به منظور حذف نتایج غیر مرتبط، جستجو تنها در مقالات مجلاتی انجام شده که با مجله ماخذ هم موضوع هستند.
  • در صورتی که می‌خواهید جستجو را در همه موضوعات و با شرایط دیگر تکرار کنید به صفحه جستجوی پیشرفته مجلات مراجعه کنید.
درخواست پشتیبانی - گزارش اشکال