سال انتشار: ۱۳۹۳
محل انتشار: همایش ملی علوم و مهندسی کامپیوتر
تعداد صفحات: ۸
نویسنده(ها):
زهرا پاریزی نژاد – دانشجوی کارشناسی ارشد، دانشگاه شهید باهنر، کرمان
وحید ستاری نائینی – استادیار، بخش مهندسی کامپیوتر، دانشگاه شهید باهنر، کرمان

چکیده:
در این مقاله، دو روش ترکیبی برای همجوشی اطلاعات در اینترنت اشیا پیشنهاد می شود. این روش ها عبارتند از: ۱) روش ترکیبی الگوریتم تئوری مجموعه ی ناهموار و الگوریتم (Relief-GAPSO) GAPSO 2) روش ترکیبی الگوریتم Relief و الگوریتم (Relief-GAPSO) GAPSO ، هر دو روش شامل چهار مرحله می باشند: ۱) پیش پردازش داده ها ۲) کاهش ابعاد داده های ورودی و شناسایی موثرترین مجموعه ی ویژگی ها، براساس همبستگی داده ها. ۳) آموزش الگوریتم دسته بندی ۴) پیش بینی داده های جدید طبق الگوریتم دسته بندی آموزش دیده. روش ترکیبی Relief-GAPSO، روشی پویاست و برای حل مسائل دنیای واقعی که دائماً در حال تغییر است مناسب می باشد البته این روش از زمان اجرایی کمی هم برخوردار می باشد. روش ترکیبی Rough-GAPSO، از نظر پیش بینی داده های جدید روشی دقیق تر است ولی زمان اجرایی زیادی دارد. در بخش نتایج و مقایسات، دو روش ترکیبی پیشنهادی، براساس پارامترهای دقت، کیفیت آموزش و زمان اجرا بررسی و مقایسه می شوند. طبق نتایج، روش ترکیبی Rough-GAPSO ، نسبت به روش دیگر از نظر پیش بینی داده های جدید دقیق تر است و همجوشی اطلاعات را با کیفیت بهتری انجام می دهد، اما زمان اجرایی زیادی دارد.