20123

۲۰۱۲۳

سامانه هوشمند ارائه مناسب ترين الگوريتم رده بندي تركيبي به منظور شناسايي عوامل مؤثر بر ابتلا به عيوب انكساري

كارشناسي ارشد

نرم افزار

۹۵-۹۷

۱۳۹۷/۰۹/۱۷

دكتر حسين رحماني

كامپيوتر

در داده كاوي جهت رده بندي داده ها الگوريتم هاي زيادي وجود دارد كه هر يك ويژگي هاي منحصر به فرد خودشان را دارند. به همين دليل در بحث رده بندي، انتخاب الگوريتم مناسبي كه بيش ترين دقت را داشته باشد يك چالش محسوب مي شود. از طرفي نمي توان گفت برخي الگوريتم ها نسبت به برخي ديگر برتري دارند زيرا عملكرد و دقت الگوريتم هاي مختلف بر روي مجموعه داده هاي مختلف برحسب شرايطشان متفاوت است. تشخيص بهترين الگوريتم رده بندي براي هر مجموعه داده براساس مقادير فراويژگي هاي هر مجموعه داده انجام مي شود و درواقع فراويژگي ها قادر هستند بين مجموعه داده هاي مختلف تمايز ايجاد كنند. ازطرفي ديگر مي توان با تركيب برخي الگوريتم ها با يكديگر عملكرد و دقت نتيجه رده بندي را نسبت به حالتي كه الگوريتم ها به صورت انفرادي اعمال مي شوند بهبود داد اما انتخاب مناسب ترين مجموعه از الگوريتم ها نيز يكي از مهم ترين چالش هايي است كه با آن روبه رو هستيم. هدف اصلي اين مطالعه ارائه سيستمي هوشمند است كه قادر است مناسب ترين تركيب از الگوريتم هاي رده بندي را براي مجموعه داده هاي مختلف پيشنهاد دهد. به همين منظور ابتدا با هدف ايجاد تمايز بين مجموعه داده هاي مختلف به استخراج و انتخاب مناسب ترين فراويژگي ها مي پردازيم. همچنين بهترين تركيب از الگوريتم ها براي مجموعه داده هاي آموزشي شناسايي مي شوند. درنهايت به منظور معرفي بهترين تركيب از الگوريتم ها براي هر مجموعه داده روابط بين فراويژگي ها و الگوريتم هاي منتخب مورد بررسي قرار مي گيرند و بنابر قواعد و روابط كشف شده هنگام مواجهه با يك مجموعه داده جديد تنها با محاسبه برخي از فراويژگي هاي مجموعه داده، بهترين تركيب از الگوريتم هاي رده بندي پيشنهاد داده خواهد شد. پس از ساخت مدل، جهت آزمايش مدل ارائه شده از تعدادي مجموعه داده جديد استفاده كرديم. يكي از اين مجموعه داده ها، مجموعه داده عيوب انكساري است. عيوب انكساري اصلاح نشده اولين علت ديد كم و دومين علت نابينايي قابل اصلاح در جهان است. استفاده از داده كاوي در يافتن علل ابتلا به عيوب انكساري بسيار مؤثر بوده است. بنابراين در اين مطالعه ضمن استفاده از مجموعه داده عيوب انكساري به عنوان مجموعه داده آزمايشي، قصد داريم با استفاده از روش پيشنهادي به بررسي مجموعه داده عيوب انكساري پرداخته و مهم ترين عوامل مؤثر در ابتلا به عيوب انكساري را كشف و معرفي كنيم.

1397/12/12

12/8/2019 12:00:00 AM

There are many classification algorithms in data mining. On the other hand, it can’t be said that a special algorithm is the best, since the performance and accuracy of different algorithms differ from one set to another according to their characteristics. So classification algorithm selection is one of the most important challenges in data mining. By combining set of the algorithms, it is possible to improve the performance and accuracy of the result of the classification, as compared to each algorithm. In this study we proposed a method based on meta-learning and Ensemble methods. This method aims to reduce the selection time by automatic recommendation of the best classifier combination for a given dataset considering it’s meta-features. For evaluation, we compared the error rate of proposed method with the average error rate of individual classifiers for several unseen datasets. One of these unseen datasets is named Refractive error. Uncorrected refractive errors are the first reason of low-vision and the second cause of curable blindness in the world. Data mining can, therefore, be used as an effective method to determine the causes of refractive errors. In this study, we will introduce the risk factors of refractive errors, by applying the model presented on the refractive errors dataset.