الگوریتم هرس درخت تصمیم موازی مشترک مبتنی بر hadoop
|
|
|
|
|
DOR
|
20.1001.2.0020135610.1400.4.1.334.7
|
|
نویسنده
|
سلدوزی علی ,مقدسی نوید
|
|
منبع
|
همايش ملي فناوريهاي نوين در مهندسي برق، مكانيك و كامپيوتر ايران - 1400 - دوره : 4 - چهارمین همایش ملی فناوریهای نوین در مهندسی برق، مکانیک و کامپیوتر ایران - کد همایش: 00201-35610
|
|
چکیده
|
مفهوم دانش مشترک، به یادگیری دانش به اشتراک گذاشته شده از اشیای مختلف و بهکارگیری دانش یادگرفته شده در مورد مواردناشناخته برای تسریع در شناسایی اشیا اشاره دارد. برای مسائل با بازده پایین، الگوریتم دسته بندی سنتی قادر به مواجه شدن با حجم عظیمی از دادهها نیست پس با تکنولوژی محاسبات کلود که یک الگوریتم درخت تصمیم موازی مشترک را پیشنهاد میکند ترکیب میشود. اگرچه این الگوریتم بازده را بهبود میبخشد، برای حذف اثر پارازیتهای مجموعه آموزشی، آن باید بهینه سازی شود. بنابراین در این مقاله، بر اساس الگوریتم پیشنهاد میشود. درالگوریتم مان ما تاثیر عدم اطمینان را با استفاده از دسته بندی تعداد خطای احتمالی عدم اطمینان از مجموعه دادهها برای هرس، که دقت الگوریتم را بهبود میبخشد، کاهش میدهیم. هرچه مجموعه دادهها بزرگتر باشد، برتری الگوریتم psdt-iep بیشتر آشکار میشود.
|
|
کلیدواژه
|
درخت تصمیم موازی مشترک ,الگوریتم هرس ,احتمال و عدم اطمینان ,پارازیت داده.
|
|
آدرس
|
شرکت خدمات انفورماتیک, ایران, شرکت کارت اعتباری ایران کیش, ایران
|
|
پست الکترونیکی
|
navid_moghadasi@yahoo.com
|
|
|
|
|
|
|