دانلود مقاله ISI انگلیسی شماره 46793
ترجمه فارسی عنوان مقاله

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

عنوان انگلیسی
Optimizing parameters of support vector machine using fast messy genetic algorithm for dispute classification
کد مقاله سال انتشار تعداد صفحات مقاله انگلیسی ترجمه فارسی
46793 2014 10 صفحه PDF سفارش دهید
دانلود فوری مقاله + سفارش ترجمه

نسخه انگلیسی مقاله همین الان قابل دانلود است.

هزینه ترجمه مقاله بر اساس تعداد کلمات مقاله انگلیسی محاسبه می شود.

این مقاله تقریباً شامل 8479 کلمه می باشد.

هزینه ترجمه مقاله توسط مترجمان با تجربه، طبق جدول زیر محاسبه می شود:

شرح تعرفه ترجمه زمان تحویل جمع هزینه
ترجمه تخصصی - سرعت عادی هر کلمه 12 تومان 13 روز بعد از پرداخت 101,748 تومان
ترجمه تخصصی - سرعت فوری هر کلمه 24 تومان 7 روز بعد از پرداخت 203,496 تومان
پس از پرداخت، فوراً می توانید مقاله را دانلود فرمایید.
منبع

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

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

ترجمه کلمات کلیدی
مدل طبقه بندی - هوش هیبرید - بهینه سازی - پشتیبانی از ماشین بردار - الگوریتم ژنتیک سریع کثیف - اختلاف پیش بینی - مدیریت پروژه
کلمات کلیدی انگلیسی
Classification model; Hybrid intelligence; Optimization; Support vector machine; Fast messy genetic algorithm; Dispute prediction; Project management
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.

دانلود فوری مقاله + سفارش ترجمه

نسخه انگلیسی مقاله همین الان قابل دانلود است.

هزینه ترجمه مقاله بر اساس تعداد کلمات مقاله انگلیسی محاسبه می شود.

این مقاله شامل 8479 کلمه می باشد.

هزینه ترجمه مقاله توسط مترجمان با تجربه، طبق جدول زیر محاسبه می شود:

شرح تعرفه ترجمه زمان تحویل جمع هزینه
ترجمه تخصصی - سرعت عادی هر کلمه 12 تومان 13 روز بعد از پرداخت 101,748 تومان
ترجمه تخصصی - سرعت فوری هر کلمه 24 تومان 7 روز بعد از پرداخت 203,496 تومان
پس از پرداخت، فوراً می توانید مقاله را دانلود فرمایید.