گیاهی ترین گیاهی ترین AnzanDigital فروشگاه

پیاده سازی مقاله انتخاب ویژگی با نظریه بازی ها

پیاده سازی مقاله انتخاب ویژگی با نظریه بازی ها

عنوان مقاله:

Using cooperative game theory to optimize the feature selection problem

سال انتشار: ۲۰۱۲

ترجمه چکیده مقاله:

انتخاب ویژگی گام پیش پردازشی مهمی در یادگیری ماشین و بازشناسی الگو است. در سالهای اخیر، معیارهای گوناگون براساس تئوری اطلاعات پیشنهاد شده اند تا ویژگی های نامرتبط و افزونه را تا حد ممکن از مجموعه داده های با ابعاد بالا حذف نمایند. یکی از معایب روشهای انتخاب ویژگی فیلتر موجود، این است که آنها اغلب تعدادی از ویژگی ها را نادیده می گیرند که توانایی جداپذیری بالایی دارند هنگامی که یک گروه هستند اما هنگامی که بصورت منحصربفرد بکار می روند ضعیف هستند. در این کار، چارچوب جدیدی را برای ارزیابی ویژگی و وزندهی پیشنهاد می کنیم تا کارایی انتخاب ویژگی را بهینه نماید. چارچوب در ابتدا متد تئوری cooperative game براساس مقدار Shapley را معرفی می نماید تا وزن هر ویژگی را براساس با تاثیرش به رابطه متقابل پیچیده و ذاتی (intricate and intrinsic interrelation) میان ویژگی ها تعیین نماید و سپس ویژگی های وزندار را برای الگوریتم انتخاب ویژگی فراهم می نماید. همچنین یک رویه انتخاب ویژگی انعطاف پذیر را ارائه می نماییم که می توان هر معیار اطلاعاتی را با چارچوبمان بکار برد. با بررسی تاثیر روشمان، مقایسه های آزمایشگاهی روی مجموعه دادههای UCI با استفاده از دو نمونه دسته بند انجام می شود. نتایج نشان می دهد که روش پیشنهادی بهبوده امیدوارکننده ای روی انتخاب ویژگی و دقت دسته بندی بدست می آورد.

ترجمه چکیده و همچنین چکیده لاتین مقاله برای مشاهده کیفیت ترجمه در اینجا قرار گرفته است

چکیده لاتین :

Feature selection is an important preprocessing step in machine learning and pattern recognition. Recent years, various information theoretic based measurements have been proposed to remove redundant and irrelevant features from high-dimensional data set as many as possible. One of the main disadvantages of existing filter feature selection methods is that they often ignore some features which have strong discriminatory power as a group but are weak as individuals. In this work, we propose a new framework for feature evaluation and weighting to optimize the performance of feature selection. The framework first introduces a cooperative game theoretic method based on Shapley value to evaluate the weight of each feature according to its influence to the intricate and intrinsic interrelation among features, and then provides the weighted features to feature selection algorithm. We also present a flexible feature selection scheme to employ any information criterion to our framework. To verify the effectiveness of our method, experimental comparisons on a set of UCI data sets are carried out using two typical classifiers. The results show that the proposed method achieves promising improvement on feature selection and classification accuracy.

 

به همراه شبیه سازی یک فایل مفهوم کار به شما داده میشود 

کد متلب انتخاب ویژگی با نظریه بازی ها

بخشی از فایل مفهوم کار
در مسائل دسته بندی، یک دیتابیس معمولا تعداد ویژگی های زیادی را شامل می شود که اغلب شامل ویژگیهای مرتبط، نامرتبط یا افزونه هستند. با این حال، ویژگی های نامرتبط یا افزونه برای دسته بندی مفید نیستند و آنها ممکن است حتی کارایی دسته بندی به علت فضای جستجوی بزرگ کاهش دهند. روش انتخاب ویژگی پیشنهاد شده است تا زیرمجموعه ای از ویژگی های مرتبط را از تعداد زیاد از ویژگی های موجود انتخاب کند تا کارایی دسته بندی مشابه یا بهتر را نسبت به استفاده از تمام ویژگی ها بدست آورد. با حذف/کاهش ویژگی های نامرتبط و افزونه با استفاده از روش انتخاب ویژگی، تعداد ویژگی ها کاهش می یابند و زمان آموزش کم می شود و دسته بندهای سادهتر می شود و حتی کارایی دسته بندی بهبود می یابند. این مقاله روش انتخاب ویژگی جدیدی را با توجه به تئوری بازیها پیشنهاد کرده است. در روش پیشنهادی مقاله به این شکل عمل شده است که بیان کرده که میزان اهمیت هر ویژگی براساس میزان مرتبط بودن و نامرتبط بودن متفاوت است. از طرفی بیان کرده که یک ویژگی ممکن است در صورتیکه به تنهایی بکار رود به عنوان یک ویژگی نامرتبط درنظرگرفته شود و هیچگونه قدرت جداسازی نداشته باشد ولی زمانیکه این ویژگی در کنار سایر ویژگی (یک مجموعه ویژگی) بکار می رود سبب می شود که قدرت جداسازی این مجموعه ویژگی اضافه شود و روش پیشنهادی نیز در پی کشف اینگونه روابط نیز می باشد.. بنابراین روش پیشنهادی مقاله میزان اهمیت هر ویژگی را با توجه به روابطی تعیین می نماید و وزن هر ویژگی را محاسبه می نماید. پس از اینکه بردار وزن ویژگی ها محاسبه شد این بردار وزن ویژگی را به الگوریتم انتخاب ویژگی می دهیم تا براساس این بردار وزن این الگوریتم انتخاب ویژگی مجموعه ای از بهترین ویژگی ها را انتخاب نماید که شکل زیر بیانگر این مسئله است.

بخشی از داکیومنت کار :

clc;

clear;

close all;

دستور۱: پاک کردن پنجره Command

دستور۲: پاک کردن حافطه از متغیرهای داخل workspace

دستور۳: در صورت باز بودن شکلهای در متلب آنها را بسته

alpha=0.2;

omega=3;

step=1;

MaxFeature=30;

k_fold=10;

MaxEpoch=3;

متغیرهای مربوط به مسئله هستند که با مقادیر اولیه ذکر شده در مقاله مقداردهی شده اند

Alpha: ضریب بکار رفته در رابطه ۱۳

Omega: حداکثر طول زیرمجموعه ها

Step: اندازه گام برای رسم نمودار

MaxFeature: حداکثر طول زیرمجموعه

K_fold: تعداد پارتیشن ها است

MaxEpoch: تعداد اجراهای مستقل الگوریتم

load(‘Musk2’)

مواردی که تحویل شما میشود:

  • ترجمه مقاله (۲۰ صفحه با کیفیت خیلی خوب)
  • داکیومنت کار انجام شده (توضیحات کامل کدهای نوشته شده )
  • فایل مفهوم کار که روال مقاله را بصورت کامل تشریح میکند
  • کد شبیه سازی مقاله که قابل اجرا در نرم افزار متلب می باشد و نتایج خروجی را تولید میکند

جهت مشاهده  فایلهای برنامه و دموی اجرای برنامه و خروجی برنامه، ویدئوی زیر را مشاهده کنید

جهت دریافت شبیه سازی مقاله انتخاب ویژگی با تئوری بازی  به همراه داکیومنت و ترجمه مقاله از لینک زیر اقدام کنید و کار را بصورت آنلاین دریافت کنید

کليک جهت خريد کالا ، به منظور پذيرش قوانين و مقررات سايت مي باشد .

چنانچه نیاز به فایل ترجمه و مفهوم کار ندارید جهت دریافت فقط کد شبیه سازی مقاله انتخاب ویژگی با تئوری بازی  به همراه داکیومنت از لینک زیر اقدام کنید و کار را بصورت آنلاین دریافت کنید

کليک جهت خريد کالا ، به منظور پذيرش قوانين و مقررات سايت مي باشد .

 

جهت دریافت ترجمه مقاله انتخاب ویژگی با تئوری بازی از لینک زیر اقدام کنید و فایل ترجمه را بصورت آنلاین دریافت کنید
کليک جهت خريد کالا ، به منظور پذيرش قوانين و مقررات سايت مي باشد .

راهنما: پس از واریز وجه، لینک دانلود بصورت خودکار به شما نمایش داده میشود

شماره تماس ۰۹۱۲۰۵۶۳۲۶۴

ایمیل : matlab24ir@gmail.com و یا info@matlab24.ir

فایلهای آماده: کدمقاله، ترجمه مقاله  و داکیومنت

۴ دیدگاهها

  1. با سلام و خسته نباشید چطوری می توانم این را دریافت کنم ممنون میشم راهنمایی کنید

  2. با سلام من فقط کد این مقاله رو میخوام

    • سلام. دوست عزیز در متن مطلبی که در حال مشاهده ان هستید هم لینک دریافت مقاله به همراه ترجمه و توضیحات قرار داده شده است. هم لینک دریافت مقاله به تنهایی و هم لینک دریافت ترجمه به تنهایی وجود دارد

پاسخ دهید

نشانی ایمیل شما منتشر نخواهد شد. بخش‌های موردنیاز علامت‌گذاری شده‌اند *

telegramchanel کانال تلگرام    با عضویت در کانال تلگرام از مطالب آموزشی و مطالب جدید وب سایت مطلع شوید

@matlab24Dotir

جهت عضویت کلیک کنید

 

      طراحی وب سایت

طراحی وب

شماره تماس:09120563264