• تأثیر انتخاب ذره راهنما روی قاعده های طبقه بندی برای پیش بینی خطاهای نرم افزار در الگوریتم بهینه سازی ازدحام ذرات چندهدفه

    جزئیات بیشتر مقاله
    • تاریخ ارائه: 1392/07/24
    • تاریخ انتشار در تی پی بین: 1392/07/24
    • تعداد بازدید: 1021
    • تعداد پرسش و پاسخ ها: 0
    • شماره تماس دبیرخانه رویداد: -
    انتخاب ذره بهینه سراسری از جبهه پارتو به عنوان راهنما در الگوریتم mopso، یک مرحله اساسی در این الگوریتم بوده و روی همگرایی و گوناگونی جواب ها نقش به سزایی دارد؛ طوری که یک زمینه تحقیقاتی را در حوزه مربوط به این الگوریتم گشوده است. این امر در حل مسائل بهینه سازی پیوسته توسط این الگوریتم به طور گسترده مورد بررسی قرار گرفته است و هر یک سعی در ارائه روشی بوده اند که تا حد ممکن توزیع جواب ها در جبهه پارتو یکنواخت گردد. اما تأثیر آن روی مسائل بهینه سازی گسسته، به ویژه طبقه بندی داده ها که توسط mospo حل شده است، مورد بررسی قرار نگرفته است. طبقه بندی داده ها توسط mopso با استفاده از قاعده های طبقه بندی استنتاج شده بوسیله این الگوریتم صورت می گیرد و مدل پیش بینی توسط قاعده های استنتاج شده حاصل می گردد. در طبقه بندی داده ها توسط mopso علاوه بر گوناگونی و همگرایی جواب ها، می بایست عملکرد مدل طبقه بندی ایجاد شده نیز مورد توجه قرار گیرد. در این مقاله با پیاده سازی mopso برای استنتاج قاعده های طبقه بندی از مجموعه داده های خطای ناسا برای پیش بینی پیمانه های مستعد خطای نرم افزار و استفاده از سه روش انتخاب راهنما، تأثیر آنها روی کیفیت قاعده های استنتاجی مورد بررسی قرار داده شد و این نتیجه حاصل گردید که انتخاب راهنما روی نرخ fp قاعده های طبقه بندی، تأثیر عمده ای دارد.

سوال خود را در مورد این مقاله مطرح نمایید :

با انتخاب دکمه ثبت پرسش، موافقت خود را با قوانین انتشار محتوا در وبسایت تی پی بین اعلام می کنم
مقالات جدیدترین رویدادها
مقالات جدیدترین ژورنال ها