فایل ورد کامل روش انتخاب ویژگی جدید در پردازش اطلاعات شیلات

توجه : به همراه فایل word این محصول فایل پاورپوینت (PowerPoint) و اسلاید های آن به صورت هدیه ارائه خواهد شد

این مقاله، ترجمه شده یک مقاله مرجع و معتبر انگلیسی می باشد که به صورت بسیار عالی توسط متخصصین این رشته ترجمه شده است و به صورت فایل ورد (microsoft word) ارائه می گردد

متن داخلی مقاله بسیار عالی، پر محتوا و قابل درک می باشد و شما از استفاده ی آن بسیار لذت خواهید برد. ما عالی بودن این مقاله را تضمین می کنیم

فایل ورد این مقاله بسیار خوب تایپ شده و قابل کپی و ویرایش می باشد و تنظیمات آن نیز به صورت عالی انجام شده است؛ به همراه فایل ورد این مقاله یک فایل پاور پوینت نیز به شما ارئه خواهد شد که دارای یک قالب بسیار زیبا و تنظیمات نمایشی متعدد می باشد

توجه : در صورت مشاهده بهم ریختگی احتمالی در متون زیر ،دلیل ان کپی کردن این مطالب از داخل فایل می باشد و در فایل اصلی فایل ورد کامل روش انتخاب ویژگی جدید در پردازش اطلاعات شیلات،به هیچ وجه بهم ریختگی وجود ندارد

تعداد صفحات این فایل: ۱۳ صفحه

۵ 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.

عنوان انگلیسی:A New Feature Selection Method in Fishery Information Processing~~en~~

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.

$$en!!