سال انتشار: ۱۳۸۸

محل انتشار: پانزدهمین کنفرانس بین المللی سالانه انجمن کامپیوتر ایران

تعداد صفحات: ۴

نویسنده(ها):

گلاره تقی زاده – دانشکده برق و رایانه دانشگاه آزاد اسلامی قزوین
امیرمسعود افتخاری مقدم – دانشکده برق و رایانه دانشگاه آزاد اسلامی قزوین

چکیده:

دراین مقاله از الگوریتم CLONALG به منظور کاهش ابعاد داده استفاده شده است سیستم های فعلی کاهش بعد با مشکلاتی چون دقت پایین دسته بندی، غیرقابل تفسیر بودن داده ها و کم شدن ارزش انها روبرو هستند به منظور رفع مشکلات مذکور، الگوریتم CLONALG با استفاده از مهمترین ویژگی خود، بهینه سازی، به عنوان روشی نوین در این حوزه معرفی می گردد نتایج این روش برروی داده های استاندارد یادگیری ماشین دانشگاه UCI، با دو روش GA,PCAمقایسه شده است نتایج آزمایشات بیانگر توانایی بالای الگوریتم ارائه شده در حل مسئله کاهش ابعاد می باشد.