Andere Kunden interessierten sich auch für
![Cross Over Point GA Algorithmus zur Erzeugung von Fuzzy Membership Funktionen]( "Cross Over Point GA Algorithmus zur Erzeugung von Fuzzy Membership Funktionen")
Cross Over Point GA Algorithmus zur Erzeugung von Fuzzy Membership Funktionen35,90 €![Künstliche Intelligenz basiert effektiven Algorithmus für Software]( "Künstliche Intelligenz basiert effektiven Algorithmus für Software")
Künstliche Intelligenz basiert effektiven Algorithmus für Software41,90 €![Ein Ansatz für Multi-Agentensysteme und Emergenzmethoden für die Instandhaltung]( "Ein Ansatz für Multi-Agentensysteme und Emergenzmethoden für die Instandhaltung")
Ein Ansatz für Multi-Agentensysteme und Emergenzmethoden für die Instandhaltung55,90 €![Analyse der Auswahltechniken in genetischen Algorithmen]( "Analyse der Auswahltechniken in genetischen Algorithmen")
Analyse der Auswahltechniken in genetischen Algorithmen39,90 €![Maschinelle Bildverarbeitung zur Klassifizierung von Textilfehlern]( "Maschinelle Bildverarbeitung zur Klassifizierung von Textilfehlern")
Maschinelle Bildverarbeitung zur Klassifizierung von Textilfehlern49,90 €![Ein kombinatorischer Ansatz für ein Filmempfehlungssystem]( "Ein kombinatorischer Ansatz für ein Filmempfehlungssystem")
Ein kombinatorischer Ansatz für ein Filmempfehlungssystem55,90 €![INHALTSBASIERTER BILDABRUF MIT FEEDBACK-TECHNIK]( "INHALTSBASIERTER BILDABRUF MIT FEEDBACK-TECHNIK")
INHALTSBASIERTER BILDABRUF MIT FEEDBACK-TECHNIK39,90 €
Die Auswahl von Merkmalen ist die erste Aufgabe jedes Lernansatzes, um eine relevante Menge von Merkmalen zu definieren. Es werden mehrere Methoden vorgeschlagen, um das Problem der Merkmalsauswahl zu lösen, darunter Filter-, Wrapper- und eingebettete Methoden. In dieser Arbeit konzentrieren wir uns auf die Auswahl von Merkmalssätzen, um einen minimal großen Satz optimaler Merkmale auszuwählen. Die Auswahl von Merkmalen ist ein Optimierungsproblem; zu diesem Zweck wird eine auf genetischen Algorithmen basierende Auswahl von Attributsätzen unter Verwendung eines Naive-Bayes-Klassifikators verwendet. GABASS hat sich als beste Technik für Auswahlzwecke bei sehr großen Populationen erwiesen. GABASS liefert gute Ergebnisse und seine Stärke liegt in der guten Anpassung an die verschiedenen und sich schnell verändernden Umgebungen.