| دانلود رایگان مقاله انگلیسی + خرید ترجمه فارسی
|
|
| عنوان فارسی مقاله: |
روش انتخاب ویژگی جدید در پردازش اطلاعات شیلات |
| عنوان انگلیسی مقاله: |
A New Feature Selection Method in Fishery Information Processing |
|
|
| مشخصات مقاله انگلیسی (PDF) | |
| سال انتشار | 2014 |
| تعداد صفحات مقاله انگلیسی | 5 صفحه با فرمت pdf |
| رشته های مرتبط با این مقاله | شیلات و مهندسی کامپیوتر |
| گرایش های مرتبط با این مقاله | مهندسی نرم افزار و مهندسی الگوریتم ها و محاسبات |
| مجله | دهمین کنفرانس بین المللی در محاسبات طبیعی |
| دانشگاه | دانشکده مهندسی اطلاعات، دانشگاه Dalian Ocean، چین |
| کلمات کلیدی | پردازش اطلاعات، انتخاب ویژگی، نرخ دقت، نرخ یادآوری |
| رفرنس | دارد |
| لینک مقاله در سایت مرجع | لینک این مقاله در سایت IEEE |
| نشریه | IEEE |
| مشخصات و وضعیت ترجمه فارسی این مقاله (Word) | |
| تعداد صفحات ترجمه تایپ شده با فرمت ورد با قابلیت ویرایش و فونت 14 B Nazanin | 10 صفحه |
| ترجمه عناوین تصاویر و جداول | ترجمه شده است |
| ترجمه متون داخل تصاویر | ترجمه نشده است |
| ترجمه متون داخل جداول | ترجمه نشده است |
| درج تصاویر در فایل ترجمه | درج شده است |
| درج جداول در فایل ترجمه | درج شده است |
| درج فرمولها و محاسبات در فایل ترجمه به صورت عکس | درج شده است |
- فهرست مطالب:
چکیده
1. مقدمه
2. مدل فضای برداری
3. SVM-RFE
A. ماشین بردار پشتیبان
B. SVM-RFE
4. آزمایشات و تحلیل نتایج
A. مجموعه نوشتجات
B. انتخاب و طبقه بندی ویژگی
5. نتایج
- بخشی از ترجمه:
5. نتایج
متون شیلات تخصصی بوده و دارای کلمات مشترک کمتری با حوزه های دیگر می باشند. فضای ویژگی متن ساخته شده با روشهای انتخاب ویژگی سنتی دارای ابعاد بالا و پراکندگی نمی باشد. در این مقاله، روش انتخاب ویژگی مبتنی بر SVM-RFE مطرح گردید. آن روشی برای تعیین مقدار بهینه ابعاد ویژگی، حذف همبستگی بین ویژگیها و سپس کاهش ابعاد ویژگی متون شیلات فراهم نمود. از سه مجموعه نوشته برای تست روش پیشنهادی و مقایسه با روش سنتی استفاده گردید. نتایج آزمایش نشان می دهد روش پیشنهادی می تواند عملکرد طبقه بندی متون شیلات را به شکلی موثر بهبود بخشد و ارزش تحقیق بیشتر در حوزه پردازش اطلاعات شیلات را دارد.
- بخشی از مقاله انگلیسی:
V. CONCLUSIONS Fishery texts have their specialty and have less common words with the ones in other areas. The text feature space constructed by traditional feature selection methods has the shortage of high dimensionality and sparsity. A feature selection method based on SVM-RFE was put forward in this paper. It provided the method to determine the optimal value of feature dimensions, removing the correlation between the features, and then decreased the feature dimensions of fishery texts. Three corpora were used to test our method and the comparison with the traditional method was implemented. The experimental results indicate that the proposed method can effectively improve the categorization performance for fishery texts, being worth further researching in the area of fishery information processing.
| دانلود رایگان مقاله انگلیسی + خرید ترجمه فارسی
|
|
| عنوان فارسی مقاله: |
متد انتخاب ویژگی جدید در پردازش اطلاعات شیلات |
| عنوان انگلیسی مقاله: |
A New Feature Selection Method in Fishery Information Processing |
|
|