اضافه کردن به علاقه‌مندی‌ها

محل انتشار

پانزدهمین کنفرانس بین المللی سالانه انجمن کامپیوتر ایران

اطلاعات انتشار

سال

صفحات

۴ صفحه

کلمات کلیدی

ارزیابی، روی، روند، تحقیق، وزن

الگوی KNN یکی از بهترین و پرکاربردترین الگوریتمهای دسته بندی است که از ان استفاده گسترده ای در کاربردهای مختلف می شود. یکی ازمشکلات این الگوریتم، تاثیر یکسان همه ی خصیصه ها در محاسبه ی فاصله ی رکورد جدید با همسایه های آن رکورد می باشد. در صورتیکه برخی ازاین خصیصه ها برای عمل دسته بندی کم اهمیت ترند. این امر باعث گمراهی روند دسته بندی و کاهش دقت الگوریتم دسته بند می شود. دراین تحقیق با استفاده از اقلام پررخداد یکتایی در قوانین وابستگی به خصیصه های مختلف وزن اختصاص داده و با این عمل دقت الگوریتم KNN را افزایش می دهیم مقایسه ی نتایج ارزیابی این الگوریتم با 7 الگوریتم دیگر دسته بندی بر روی پایگاه داده های مختلف UCI، بهبود قابل توجه دقت دسته بندی توسط این الگوریتم را نشان میدهد.

راهنمای دریافت مقاله‌ی «بهبود دقت الگوریتم KNN در داده کاوی با استفاده از قوانین وابستگی» در حال تکمیل می‌باشد.

دریافت فایل PDF

۴۴۰۰ تومان

دریافت فایل Word + PDF

۵۶۰۰ تومان