سیستم مبتنی بر دانش برای کلاسبندی متن با الگوریتم ID6NB

شرح مختصر :  این مقاله یک الگوریتم جدید به نام ID6NB را برای توسعه درخت تصمیم ، معرفی میکند که شامل الگوریتم ID3غیر افزایشی Quinlanاست. این الگوریتم راهحلهایی برای دو مشکل ذیل ارائه میکند: وضعیتی که در آن رای گیری اکثریت تصمیم نادرست میدهد (یعنی ساخت دو نوع قانون متفاوت برای داده یکسان.) کاهش ابعاد در الگوریتم غیر افزایشی درخت تصمیمگیری، تخمین صفت مناسب برای یک گره جایی که دو یا چند صفت بهره اطلاعاتی یکسانی دارند. مشکل اکثریت به کمک الگوریتم Naive Bayesحل میشود. برای کاهش ابعاد نیز یک راه حل ارائه شده است. در نهایت، دقت طبقه بندی به شدت بهبود یافته است. آزمایش گسترده و گسترش یافته در تعدادی از مجموعه دادههای واقعی و مصنوعی نشان میدهد که ID6NB یک الگوریتم دسته بندی state-of-the-art است که نسبت به سایر روشهای یادگیری درخت تصمیمگیری، خروجی بهتری دارد.

فهرست :

مقدمه

سیستم مبتنی بر دانش

تئوری اطلاعات و کلاس بندی

کاهش ابعاد و انتخاب ویژگی

قالب بندی مقاله

کارهای مرتبط

وضعیت مسئله

کارهای پیشنهادی

رخداد استثنا در کاهش ابعاد طول

حل و فصل رخداد استثنا در کاهش ابعاد

رخداد استثنا به علت شکست رای گیری اکثریت

حل مسئله رد رای گیری برچسب کلاس جایی که رای گیری اکثریت با شکست مواجه می شود

قوانین Beta و Alpha

نتایج تجربی و ارزیابی عملکرد

ارزیابی عملکرد بررسی مجموعه داده های Monk

کاهش ابعاد

دقت پیش بینی

نتایج پیاده سازی

نتیجه گیری

کامپیوتر 12. الگوریتم مسیریابی خود تطبیقی مبتنی بر مکان برای شبکه های حسگر بی سیم در اتوماسیون خانگی

الگوریتم مسیریابی خود تطبیقی مبتنی بر مکان برای شبکه های حسگر بی سیم در اتوماسیون خانگی
چکیدهاستفاده از شبکه های گیرنده بی سیم در اتوماسیون داخلی (WSNHA) به دلیل خصوصیات خود سازماندهی ، دقت دریافت بالا، هزینه پایین، و پتانسیل هایی برای گسترش سریع جالب توجه می باشند. اگرچه الگوریتم مسیریابی در IEEE 802.15.4/ZigBee  و الگوریتم های مسیریابی دیگر برای شبکه های گیرنده بی سیم طراحی شده است، تمام آن ها برای WSNHA مناسب نمی باشد. در این مقاله، ما یک الگوریتم مسیریابی منطقی بر مبنای موقعیت برای شبکه های گیرنده بی سیم را برای WSNHA به نام WSNHA-LBAR مطرح می کنیم. آن مجموعه ای از مسیرهای اکتشافی را برای نواحی درخواستی استوانه ای محدود کرده، که مسیرهای بالاسری را کاهش داده و مشکلات مربوط به طوفانی از موارد منتشر شده را کمتر می کند. آن همچنین به صورت اتوماتیک اندازه نواحی درخواستی را با استفاده از الگوریتم خود انطباقی بر اساس قضیه بیزی تطبیق می دهد. این موارد WSNHA-LBAR را نسبت به تغییرات وضعیت شبکه سازگارتر کرده و برای اجرا آسان تر می کند. نتایج شبیه سازی بهبودی را در اعتبار شبکه ایجاد کرده و همچنین مسیربابی بالاسری را کاهش می دهد. 

ساختمان داده ها و الگوریتم

qمعیارها آیا برنامه اهداف اصلی کاری را که می خواهیم، انجام می دهد؟ آیا برنامه درست کار می کند؟  آیا برنامه مستند سازی شده است تا نحوه استفاده و طرز کار با آن مشخص شود؟  آیا برنامه برای ایجاد واحدهای منطقی ، به طور موثر از توابع استفاده می کند؟  آیا کد گذاری خوانا است؟  آیا برنامه از حافظه اصلی و کمکی به طور موثری استفاده می کند؟  آیا زمان اجرای برنامه برای هدف شما قابل قبول است؟

پروژه کامل الگوریتم ژنتیک

---

طراحی و تحلیل الگوریتم ها

هر برنامه کامپیوتری از یک الگوریتم ویژه تشکیل شده و بنابراین پایه هر برنامه کامپیوتری نوشته شده الگوریتم آن است. در این آموزش سعی بر آن است تا با طراحی و تحلیل انواع الگوریتم ها آشنا شویم.