سال انتشار: ۱۳۸۹

محل انتشار: شانزدهمین کنفرانس بین المللی سالانه انجمن کامپیوتر ایران

تعداد صفحات: ۵

نویسنده(ها):

محمدرضا کیوان پور – عضو هیات علمی دانشگاه الزهرا(س)
فهیمه باعثی – دانشجوی کارشناسی ارشد دانشگاه الزهرا(س)

چکیده:

طبقه بند بیزساده یکی از کاراترین الگوریتمهای طبقه بندی است سادگی و دقت این روش زمانی که پیش فرضعدم وابستگی مشخصه ها نقض شود افت پیدا می کند دراین مقاله روشی مبتنی بر درخت تصمیم گیری برای رفع مشکل بیز ساده در مجموعه هایی با مشخصه های وابسته ارایه می شود درروش ارایه شده (Information Gain – Naïve Bayes مشخصه هایی که درسطح اول درخت تصمیم گیری دارای کمترین قدرت تفکیک باشند با توجه به تعداد کل مشخصه ها حذف شده و مشخصه های باقیمانده به بیزساده داده می شود انجام فرایند پیش پردازش مشخصه ها براساس روش IG-NB منجر به بهبود عملکرد الگوریتم بیز ساده دردامنه هایی با مشخصه های وابسته به هم م یشود علاوه براین روش IG-NB دراین پزوهش به دلیل حذف مشخصه های کم اهمیت سرعت محاسبه الگوریتم را برای مشخصه های باقیمانده افزایش میدهد روش IG-NB روش شش مجموعه از مجموعه داده های UCI تست شده و نتایج بدست آمده نشانگر کارایی قابل قبول روش می باشد