درخت باینری
درخت باینری
آخرین شماره
شماره های پیشین
- ✓ شماره 19 - بهار - تابستان سال 1400
- ✓ شماره 18 - پاییز - زمستان سال 1399
- ✓ شماره 17 - بهار - تابستان سال 1399
- ✓ شماره 16 - پاییز - زمستان سال 1398
- ✓ شماره 15 - بهار - تابستان سال 1398
- ✓ شماره 14 - پاییز - زمستان سال 1397
- ✓ شماره 13 - بهار - تابستان سال 1397
- ✓ شماره 12 - پاییز - زمستان سال 1396
- ✓ شماره 11 - بهار - تابستان سال 1396
- ✓ شماره 10 - پاییز - زمستان سال 1395
- ✓ شماره 9 - بهار - تابستان سال 1395
- ✓ شماره 8 - پاییز - زمستان سال 1394
- ✓ شماره 7 - بهار - تابستان سال 1394
- ✓ شماره 6 - پاییز - زمستان سال 1393
- ✓ شماره 5 - بهار - تابستان سال 1393
- ✓ شماره 4 - پاییز - زمستان سال 1392
- ✓ شماره 3 - بهار - تابستان سال 1392
- ✓ شماره 1 , 2 - پاییز - زمستان سال 1391
- • شماره جاری
- • براساس شماره های نشریه
- • نمایه نویسندگان
- • براساس موضوعات
- • براساس نویسندگان
صفحات نشریه
- • برای نویسندگان
- • معرفی نشریه
- • اطلاعات داوری مقالات
- • وضعیت دسترسی به مقالات
- • حق کپی‌رایت (CC)
- • داوران فصلنامه
- • اصول اخلاقی
- تماس با نشریه
فهرست مقالات درخت باینری
رایمگ
سامانه رایمگ تمامی فرآیندهای دریافت، ارزیابی و داوری، ویراستاری، صفحه‌آرایی و انتشار الکترونیکی نشریات علمی را به انجام می‌رساند
پیوندهای سایت
مراکز مرتبط
پشتیبانی
صفحات رسمی
حقوق این وب‌سایت متعلق به سامانه مدیریت نشریات رایمگ است.
حق نشر © 1401-1396
بهینه سازی درخت باینری با استفاده از الگوریتم ژنتیک برای ماشین بردار پشتیبان چندکلاسه
هزینه ترجمه مقاله بر اساس تعداد کلمات مقاله انگلیسی محاسبه می شود.
این مقاله تقریباً شامل 7200 درخت باینری کلمه می باشد.
هزینه ترجمه مقاله توسط مترجمان با تجربه، طبق جدول زیر محاسبه می شود:
| شرح | تعرفه ترجمه | زمان تحویل | جمع هزینه |
|---|---|---|---|
| ترجمه تخصصی - سرعت عادی | هر کلمه 70 تومان | 11 روز بعد از پرداخت | 504,000 تومان |
| ترجمه تخصصی - سرعت فوری | هر کلمه 140 تومان | 6 روز بعد از پرداخت | 1,008,000 تومان |
Publisher : Elsevier - Science Direct (الزویر - ساینس دایرکت)
Journal : Expert Systems with Applications , Volume 42, Issue 8, 15 May 2015, Pages 3843–3851
Multiclass support vector machine; Binary tree architecture; Genetic algorithm; Partially mapped crossover
چکیده انگلیسی
Support vector machine (SVM) with a binary tree architecture is popular since it requires the minimum number of binary SVM to be trained and tested. Many efforts have been made to design the optimal binary tree architecture. However, these methods usually construct a binary tree by a greedy search. They sequentially decompose classes into two groups so that they consider only local optimum at each node. Although genetic algorithm (GA) has been recently introduced in multiclass SVM for the local partitioning of the binary tree structure, the global optimization of a binary tree structure has not been tried yet. In this paper, we propose a global optimization method of a binary tree structure using GA to improve the classification accuracy of multiclass problem for SVM. Unlike previous researches on multiclass SVM using binary tree structures, our approach globally finds the optimal binary tree structure. For the efficient utilization of GA, we propose an enhanced crossover strategy to include the determination method of crossover points and the generation method of offsprings to preserve the maximum information of a parent tree structure. Experimental results showed that the proposed method provided higher accuracy than any درخت باینری other competing methods in 11 out of 18 datasets used as benchmark, within an appropriate time. The performance of our method for small size problems is comparable with other competing methods while more sensible improvements of the classification accuracy are obtained درخت باینری for the medium and large size problems.
