مناقشة رسالة ماجستير حول تحسين خوارزمية بحث الوقواق الثنائيه باستخدام مشغلات كروس اوفر لاختيار الميزات
 التاريخ :  9/18/2021 8:38:00 PM  , تصنيف الخبـر  كلية تكنولوجيا المعلومات
Share |

 كتـب بواسطـة  مسؤول موقع كلية تكنولوجيا المعلومات  
 عدد المشاهدات  381


جرت مناقشة طالب الدراسات العليا - الماجستير (بســام كاظـــم شعيبث ) وعلى قاعة المؤتمرات كلية تكنولوجيا المعلومات في يوم الخميس المصادف 16-9-2021 وكانت حول


 تحسين خوارزمية بحث الوقواق الثنائيه باستخدام مشغلات كروس اوفر لاختيار الميزات

Enhanced Binary Cuckoo Search Algorithm Using Crossover Operators for Features Selection    

 أهم خطوات المعالجة المسبقة في تحديد المجموعة الفرعية الأكثر صلة من الميزات وإزالة الميزات غير ذات الصلة في اي مجموعة بيانات  تسمى هذه الخطوة "تحديد الميزة" وهناك طرق كلاسيكية وذكية لاختيار الميزات. 
خوارزمية بحث الوقواق (CSA) هي خوارزمية تعريفية مستوحاة من الطبيعة ، تُستخدم للتعامل مع مشاكل التحسين المستمرة والمنفصلة. على الرغم من أن (CSA) لديها أداء رائع في العديد من مشاكل التحسين إلا أنها تفتقر إلى التوازن بين قدرات الاستكشاف والاستغلال. في هذه الأطروحة  تم تحسين الإصدار القياسي من خوارزمية بحث الوقواق (CSA) من خلال تعديلين رئيسيين.
 في التعديل الأول ، تم دمج خوارزمية التلدين المحاكي (SA) مع خوارزمية الوقواق CSA لتعزيز جزء (البحث المحلي) من CSA ، في حين أن التعديل الثاني هو تحسين جزء (البحث العالمي) من CSA عبر استخدام مشغلين من الكروس اوفر ( Uniform, Two-Point ) يساعد مشغلو الكروس اوفر الوقواق على اكتشاف مناطق مختلفة غير مستكشفة وتجنب مشكلة الاصطياد في أوبتيما المحلية. تقدم هذه الأطروحة البديل الجديد من خوارزميه الوقواق  (VCSA)
تم اقتراح وظيفة اللياقة التي تستخدم المعلومات المتبادلة  (MI)  في حساباتها ، تتكون دالة اللياقه من جزأين. يمثل الجزء الأول الصلة بين الميزات والهدف مع تقليل التكرار بين الميزات ، بينما يمثل الجزء الثاني معدل الخطأ الذي تم الحصول عليه باستخدام الميزات المحددة على معدل الخطأ باستخدام جميع الميزات . يتم دمج هذين الجزأين معا لاختيار افضل حل الذي يحتوي على (ميزات ذات صلة ، والحد الأدنى من التكرار
 ومعدل الخطأ
استخدم النموذج المقترح سبع مجموعات من مجموعة البيانات (Sonar , Robot Ex Failures , Fri_c4_250_50 , Ionosphere , Breast Cancer , Brain_tumor2 ,) 11_tumors)  واربع أنواع من المصنفات المختلفة (K-NN , NB , RF , SVM) وأنواع مختلفة من معايير القياس (Accuracy, Precision, Recall, F-measure) للتأكد من النتائج .
أظهرت النتائج التجريبية فعالية الخوارزميات المقترحة بالمقارنة مع خوارزمية بحث الوقواق الثنائي الأصلية وخوارزميات التصنيف القياسيه . 

    

  

                                                                                             

الاعلى مشاهدة