دانلود مقاله ISI انگلیسی شماره 46793
عنوان فارسی مقاله

پارامترهای بهینه سازی و پشتیبانی از ماشین بردار با استفاده از الگوریتم ژنتیک سریع کثیف برای طبقه بندی اختلاف

کد مقاله سال انتشار مقاله انگلیسی ترجمه فارسی تعداد کلمات
46793 2014 10 صفحه PDF سفارش دهید محاسبه نشده
خرید مقاله
پس از پرداخت، فوراً می توانید مقاله را دانلود فرمایید.
عنوان انگلیسی
Optimizing parameters of support vector machine using fast messy genetic algorithm for dispute classification
منبع

Publisher : Elsevier - Science Direct (الزویر - ساینس دایرکت)

Journal : Expert Systems with Applications, Volume 41, Issue 8, 15 June 2014, Pages 3955–3964

کلمات کلیدی
مدل طبقه بندی - هوش هیبرید - بهینه سازی - پشتیبانی از ماشین بردار - الگوریتم ژنتیک سریع کثیف - اختلاف پیش بینی - مدیریت پروژه
پیش نمایش مقاله
پیش نمایش مقاله پارامترهای بهینه سازی و پشتیبانی از ماشین بردار با استفاده از الگوریتم ژنتیک سریع کثیف برای طبقه بندی اختلاف

چکیده انگلیسی

Hybrid system is a potential tool to deal with construction engineering and management problems. This study proposes an optimized hybrid artificial intelligence model to integrate a fast messy genetic algorithm (fmGA) with a support vector machine (SVM). The fmGA-based SVM (GASVM) is used for early prediction of dispute propensity in the initial phase of public–private partnership projects. Particularly, the SVM mainly provides learning and curve fitting while the fmGA optimizes SVM parameters. Measures in term of accuracy, precision, sensitivity, specificity, and area under the curve and synthesis index are used for performance evaluation of proposed hybrid intelligence classification model. Experimental comparisons indicate that GASVM achieves better cross-fold prediction accuracy compared to other baseline models (i.e., CART, CHAID, QUEST, and C5.0) and previous works. The forecasting results provide the proactive-warning and decision-support information needed to manage potential disputes.

خرید مقاله
پس از پرداخت، فوراً می توانید مقاله را دانلود فرمایید.