کد مقاله کد نشریه سال انتشار مقاله انگلیسی نسخه تمام متن
11002690 1446989 2018 34 صفحه PDF دانلود رایگان
عنوان انگلیسی مقاله ISI
A parallel rough set based dependency calculation method for efficient feature selection
ترجمه فارسی عنوان
یک روش محاسبه وابستگی متمرکز بر روی موازی برای انتخاب ویژگی کارآمد
کلمات کلیدی
منطقه مثبت، نظریه مجموعه خشن، قوانین وابستگی، انتخاب ویژگی، کاهش می یابد،
ترجمه چکیده
انتخاب ویژگی فرآیند انتخاب یک زیر مجموعه از ویژگی های بدون از دست دادن مقدار قابل توجهی از اطلاعات مفید است که در مجموعه داده های اصلی در دسترس است. استفاده از نظریه مجموعه خشن مجموعه ابزار برجسته ای برای این هدف می باشد. تعدادی از تکنیک های مبتنی بر مجموعه های خشن مبتنی بر استفاده از معیار وابستگی مثبت مبتنی بر منطقه است که کار محاسباتی گران است. در این مقاله، ما یک روش محاسبه وابستگی جدید را به نام روش محاسبه وابستگی موازی پیشنهاد می کنیم. ما پیشنهاد می کنیم که وابستگی را مستقیما با پیدا کردن اشیاء مبتنی بر مثبت منطقه بدون محاسبه خود منطقه مثبت محاسبه کنیم. به عنوان اشیاء مستقل از یکدیگر هستند، بنابراین ما پیشنهاد می کنیم که این اشیا را به صورت موازی جستجو کنیم. تکنیک پیشنهادی بر اساس روش محاسبه وابستگی متداول مورد آزمایش قرار گرفت و نتایج نشان داد که افزایش قابل توجهی در عملکرد، به طور کلی کاهش 63.7٪ در زمان اجرای و کاهش 96٪ در حافظه زمان اجرا مورد نیاز است. در صورت انتخاب الگوریتم های ویژگی، زمانی که روش محاسبه وابستگی مورد استفاده قرار گرفت، زمان اجرا در 68٪ کاهش یافت. روش پیشنهادی نه تنها دقت را فراهم می کند، بلکه از لحاظ محاسباتی کمتری نسبت به روش معمول مبتنی بر محدوده منطقهای است.
موضوعات مرتبط
مهندسی و علوم پایه مهندسی کامپیوتر نرم افزارهای علوم کامپیوتر
پیش نمایش مقاله
یک روش محاسبه وابستگی متمرکز بر روی موازی برای انتخاب ویژگی کارآمد
چکیده انگلیسی
Feature selection is the process of selecting a subset of features without losing significant amount of useful information that is available in the original dataset. The use of rough set theory remains a prominent tool for this purpose. A number of techniques based on rough sets are based on the use of positive region based dependency measure which is a computationally expensive task. In this paper, we propose a novel dependency calculation technique termed as parallel dependency calculation technique. We propose to calculate dependency by directly finding the positive region based objects without calculating the positive region itself. As the objects are independent of each other so we propose to search these objects in parallel. The proposed technique was tested against the conventional dependency calculation technique and the results showed significant increase in performance, that is, overall 63.7% reduction in execution time and 96% reduction in required runtime memory was observed. In case of feature selection algorithms, there was 68% reduction in execution time when the proposed dependency calculation technique was used. The proposed method not only provides accuracy but is computationally less demanding than the conventional positive region based approach.
ناشر
Database: Elsevier - ScienceDirect (ساینس دایرکت)
Journal: Applied Soft Computing - Volume 71, October 2018, Pages 1020-1034
نویسندگان
, ,