عنوان فارسی مقاله:BHHO-TVS: یک بهینه ساز باینری شاهین هریس با طرح زمانی متغیر برای حل مسائل طبقه بندی دادهها
چکیده
طبقه بندی دادهها یک مسئله چالش برانگیز است. طبقه بندی دادهها به نویز و ابعاد بالای دادهها بسیار حساس است. توانایی کاهش پیچیدگی مدل میتواند به بهبود دقت عملکرد مدل طبقه بندی کمک کند. بنابراین، در این تحقیق، ما یک تکنیک انتخاب ویژگی جدید مبتنی بر بهینهساز باینری شاهین هریس با طرح زمان متغیر (BHHO-TVS) پیشنهاد میکنیم. BHHO-TVS پیشنهادی یک تابع انتقال با زمان متغیر را اتخاذ میکند که برای اعمال تأثیر بردار مکان برای متعادل کردن قدرت اکتشاف و بهرهبرداری HHO اعمال میشود. هجده مجموعه داده معروف ارائه شده توسط مخزن UCI برای نشان دادن اهمیت رویکرد پیشنهادی مورد استفاده قرار گرفت. نتایج گزارششده نشان میدهد که BHHO-TVS با طرحهای باینریسازی سنتی و همچنین سایر روشهای انتخاب ویژگی باینری مانند الگوریتم جستجوی گرانشی باینری (BGSA) بهینهسازی ازدحام ذرات باینری (BPSO) الگوریتم خفاش باینری (BBA) بهینهسازی نهنگ باینری بهتر از BHHO و الگوریتم بهینهسازی نهنگ باینری (BWOA) و الگوریتم ازدحام باینری جوجه تیغی (BSSA) در مقایسه با سایر روشهای انتخاب ویژگی مشابه معرفی شده در مطالعات قبلی، روش پیشنهادی بهترین نرخهای دقت را در ۶۷٪ از مجموعههای داده به دست میآورد.
- لینک دانلود فایل بلافاصله بعد از پرداخت وجه به نمایش در خواهد آمد.
- همچنین لینک دانلود به ایمیل شما ارسال خواهد شد به همین دلیل ایمیل خود را به دقت وارد نمایید.
- ممکن است ایمیل ارسالی به پوشه اسپم یا Bulk ایمیل شما ارسال شده باشد.
- در صورتی که به هر دلیلی موفق به دانلود فایل مورد نظر نشدید با ما تماس بگیرید.