دانلود مقاله ISI انگلیسی شماره 92774
ترجمه فارسی عنوان مقاله

یک الگوریتم ژنتیک ترکیبی جدید با اطلاعات گرانشی برای انتخاب ویژگی و بهینه سازی

عنوان انگلیسی
A novel hybrid genetic algorithm with granular information for feature selection and optimization
کد مقاله سال انتشار تعداد صفحات مقاله انگلیسی ترجمه فارسی
92774 2018 14 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 10587 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 18 تومان 17 روز بعد از پرداخت 190,566 تومان
ترجمه تخصصی - سرعت فوری هر کلمه 36 تومان 9 روز بعد از پرداخت 381,132 تومان
پس از پرداخت، فوراً می توانید مقاله را دانلود فرمایید.
منبع

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

Journal : Applied Soft Computing, Volume 65, April 2018, Pages 33-46

ترجمه کلمات کلیدی
انتخاب ویژگی، محاسبات گرانول، الگوریتم ژنتیک، مجموعه خشن، بهینه سازی پارامتر،
کلمات کلیدی انگلیسی
Feature selection; Granular computing; Genetic algorithm; Rough set; Parameter optimization;
پیش نمایش مقاله
پیش نمایش مقاله یک الگوریتم ژنتیک ترکیبی جدید با اطلاعات گرانشی برای انتخاب ویژگی و بهینه سازی

چکیده انگلیسی

Feature selection has been a significant task for data mining and pattern recognition. It aims to choose the optimal feature subset with the minimum redundancy and the maximum discriminating ability. This paper analyzes the feature selection method from two aspects of data and algorithm. In order to deal with the redundant features and irrelevant features in high-dimensional & low-sample data and low-dimensional & high-sample data, the feature selection algorithm model based on the granular information is presented in this paper. Thus, our research examines experimentally how granularity level affects both the classification accuracy and the size of feature subset for feature selection. First of all, the improved binary genetic algorithm with feature granulation (IBGAFG) is used to select the significant features. Then, the improved neighborhood rough set with sample granulation (INRSG) is proposed under different granular radius, which further improves the quality of the feature subset. Finally, in order to find out the optimal granular radius, granularity λ optimization based on genetic algorithm (ROGA) is presented. The optimal granularity parameters are found adaptively according to the feedback of classification accuracy. The performance of the proposed algorithms is tested upon eleven publicly available data sets and is compared with other supervisory methods or evolutionary algorithms. Additionally, the ROGA algorithm is applied to the enterprise financial dataset, which can select the features that affect the financial status. Experiment results demonstrate that the approaches are efficient and can provide higher classification accuracy using granular information.

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 10587 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 18 تومان 17 روز بعد از پرداخت 190,566 تومان
ترجمه تخصصی - سرعت فوری هر کلمه 36 تومان 9 روز بعد از پرداخت 381,132 تومان
پس از پرداخت، فوراً می توانید مقاله را دانلود فرمایید.