عنوان مقاله :
بهبود عملكرد الگوريتم KNN با استفاده از الگوريتم فرا ابتكاري PSO
پديد آورندگان :
حاجي مرادي ، احمد دانشگاه يزد - دانشكده اقتصاد، مديريت و حسابداري , ناصرصدرآبادي ، عليرضا دانشگاه يزد - دانشكده اقتصاد، مديريت و حسابداري , زنجيرچي ، محمود دانشگاه يزد - دانشكده اقتصاد، مديريت و حسابداري , زارع احمدآبادي ، حبيب دانشگاه يزد - دانشكده اقتصاد، مديريت و حسابداري
كليدواژه :
Kنزديك‌ترين همسايه , فاصله پويا , الگوريتم بهينه‌سازي انبوه ذرات , صفات غير عددي (اسمي و رتبه‌اي)
چكيده فارسي :
الگوريتم KNN يكي از مهم‌ترين الگوريتم‌هاي نا پارامتري است و جزء روش‌هاي اثربخش دسته‌بندي محسوب مي‌شود. سازوكار اين الگوريتم براي تعيين دسته نمونه جديد، مبتني بر محاسبه فاصله نمونه جديد تا ساير نمونه‌هاست. زماني كه پايگاه داده شامل صفات غير عددي (رتبه‌اي و اسمي) باشد، نحوه محاسبه فاصله مي‌تواند بر كارآيي الگوريتم اثرگذار باشد. در اين مقاله روشي براي محاسبه فاصله ارائه‌شده است كه مي‌تواند كارآيي الگوريتم KNN را بهبود دهد. ايده ارائه‌شده در اين پژوهش مبتني بر محاسبه فاصله پوياست. منظور از فاصله پويا، فاصله‌اي است كه بين هر دو مقدار از يك صفت غير عددي تعريف مي‌شود و به ماهيت مسئله بستگي دارد. نحوه تعيين اين فاصله پويا در قالب يك مسئله بهينه‌سازي بيان‌شده است كه در درون ساختار الگوريتم KNN تعبيه‌شده و با استفاده از الگوريتم بهينه‌سازي انبوه ذرات حل مي‌شود. براي آزمايش كارآيي الگوريتم پيشنهادي از مجموعه داده‌هاي UCI استفاده‌شده است. نتايج نشان مي‌دهد ميزان بهبود صحت حداقل %3.6 و حداكثر %32.7 است.
عنوان نشريه :
رايانش نرم و فناوري اطلاعات
عنوان نشريه :
رايانش نرم و فناوري اطلاعات
