شماره ركورد
16929
عنوان
انتخاب ويژگي براي انطباق دامنه با استفاده از معيارهاي پيچيدگي و هوش جمعي
سال تحصيل
1401
استاد راهنما
دكتر جواد وحيدي
استاد مشاور
ندارد
چکيده
بهينهسازي دسته ذرات يك الگوريتم بهينهسازي است كه رفتار يك دسته پرندگان را شبيهسازي ميكند، با قرار دادن چندين ذرات كه فضاي جستجو را تحت هدايت يك تابع برازش براي يافتن بهترين راهحل ممكن كاوش ميكنند. ما از الگوريتم بهينهسازي دسته ذرات دودويي چسبناك براي انتخاب ويژگي در انطباق دامنه، نوع خاصي از يادگيري انتقالي كه در آن دامنه منبع و دامنه هدف فضاي ويژگي مشترك، وظيفه مشترك، اما توزيعهاي متفاوت دارند، استفاده ميكنيم. هنگام استفاده از بهينهسازي دسته ذرات، خطاي طبقهبندي معمولاً در تابع برازش براي ارزيابي خوبي زيرمجموعههاي ويژگيها به كار گرفته ميشود. در اين مقاله، هدف ما مقايسه اين رويكرد با استفاده از معيارهاي پيچيدگي به جاي آن است، با فرض اينكه كاهش پيچيدگي مسئله منجر به نتايجي ميشود كه مستقل از طبقهبندي مورد استفاده براي آزمايش هستند، در حالي كه كمتر محاسباتي خواهند بود. بنابراين، ما آزمايشهايي را انجام داديم تا عملكرد هر دو رويكرد را از نظر دقت طبقهبندي، سرعت و تعداد ويژگيهاي انتخاب شده مقايسه كنيم. ما دريافتيم كه پيشنهاد ما، اگرچه در برخي موارد باعث كاهش اندكي در عملكرد طبقهبندي ميشود، اما واقعاً سريعتر است و تعداد كمتري ويژگي را انتخاب ميكند، كه اين يك معامله قابل قبول است.
نام دانشجو
سيدابوالفضل موسوي
تاريخ ارائه
10/31/2024 12:00:00 AM
متن كامل
89884
پديد آورنده
سيد ابوالفضل موسوي
تاريخ ورود اطلاعات
1404/10/08
عنوان به انگليسي
Feature selection for domain adaptation using complexity measures and swarm intelligence
كليدواژه هاي فارسي
، يادگيري انتقالي، سازگاري دامنه، انتخاب ويژگي، پيچيدگي داده، بهينهسازي ازدحام ذرات، بهينهسازي ازدحام ذرات باينري چسبناك
كليدواژه هاي لاتين
، Transfer learning, Domain adaptation, Feature selection, Data complexity, Particle swarm optimization, Sticky binary particle swarm optimization