ترکیب الگوریتم Selfish Herd Optimization با C4.5 مبتنی بر آنتروپی برای طبقه‌بندی داده‌ها

دسته بندي : فنی و مهندسی » کامپیوتر و IT
ترکیب الگوریتم Selfish Herd Optimization با C4.5 مبتنی بر آنتروپی برای طبقه‌بندی داده‌ها
جزئیات و دریافت

در این تحقیق از مدل ترکیبی Selfish Herd Optimization-C4.5 برای طبقه‌بندی داده‌ها استفاده شده است. الگوریتم SHO یک الگوریتم بهینه‌سازی الهام گرفته از رفتار گله‌های خودخواه است که در سال 2017 در مجله معتبر Biosystems برگرفته از انتشارات الزویر چاپ شده است. برای حل مشکل طبقه‌بندی داده‌ها از رویکرد درخت تصمیم C4.5 مبتنی بر آنتروپی و بهره اطلاعاتی استفاده شده است. الگوریتم SHO برای بهینه‌سازی بهره اطلاعاتی درخت تصمیم‌گیری استفاده شده است. شبیه‌سازی مدل ترکیبی در محیط متلب برروی 10 مجموعه داده برگرفته از سایت UCI انجام شده است. نتایج مدل ترکیبی با الگوریتم‌های ID3 و CART مقایسه شده است.
دسته بندی: فنی و مهندسی » کامپیوتر و IT

تعداد مشاهده: 3663 مشاهده

فرمت فایل دانلودی:.rar

فرمت فایل اصلی: pdf, m

حجم فایل:4,781 کیلوبایت

 قیمت: 70,000 تومان
پس از پرداخت، لینک دانلود فایل برای شما نشان داده می شود.   پرداخت و دریافت فایل دانلود پیش نمایش
  • راهنمای استفاده:
    فایل با فرمت rar بارگذاری شده است که برای باز کردن به نرم‌افزار winrar نیاز دارید.

  • محتوای فایل دانلودی:
    فایل شبیه‌سازی شده با متلب 2018
    مقاله اصلی به زبان انگلیسی(2021)
    مجموعه داده‌های طبقه‌بندی
    فیلم اجرای کدها

برچسب ها: طبقه‌بندی داده‌ها کلاس‌بندی الگوریتم Selfish Herd Optimization درخت تصمیم‌گیری آنتروپی