Makale detayı · 2017
Değiştirilmiş Ateşböceği Optimizasyon Algoritması İie Kural Tabanlı Çoklu Sınıflama Yapılması
- Yıl
- 2017
- Tür
- article
Veri kaynağı ayrımı
- YÖKSİS YÖKSİS makale kaydı
- YÖKSİS dergi adı Journal of the Faculty of Engineering and Architecture of Gazi University
- Katalog eşleşmesi (ISSN) Journal of the Faculty of Engineering and Architecture of Gazi University
- OpenAlex OpenAlex zenginleştirmesi (özet, atıf, konular)
Özet
OpenAlex · Türkçe
Normal 0 21 false false false TR X-NONE X-NONE /* Style Definitions */ table.MsoNormalTable {mso-style-name:"Normal Tablo"; mso-tstyle-rowband-size:0; mso-tstyle-colband-size:0; mso-style-noshow:yes; mso-style-priority:99; mso-style-parent:""; mso-padding-alt:0cm 5.4pt 0cm 5.4pt; mso-para-margin-top:0cm; mso-para-margin-right:0cm; mso-para-margin-bottom:8.0pt; mso-para-margin-left:0cm; line-height:107%; mso-pagination:widow-orphan; font-size:11.0pt; font-family:"Calibri",sans-serif; mso-ascii-font-family:Calibri; mso-ascii-theme-font:minor-latin; mso-hansi-font-family:Calibri; mso-hansi-theme-font:minor-latin; mso-bidi-font-family:"Times New Roman"; mso-bidi-theme-font:minor-bidi; mso-fareast-language:EN-US;} Son yıllarda doğadan esinlenerek oluşturulmuş modern sürü zekalı optimizasyon algoritmaları daha popüler hale gelmiştir. Bu optimizasyon tekniklerinden biri de ateşböceği algoritmasıdır. Ateşböceği algoritması doğadaki ateşböceklerinin yaydıkları ışık şiddetine göre daha az parlak olanın parlak olana doğru yönelme prensibini temel alarak çalışır. Doğada ışık, gideceği mesafe ve bulunduğu ortam türüne göre belirli bir miktar emilime uğradığından dolayı şiddeti azalarak yayılmaktadır. Bu yüzden, bu makalede ortamda yani havada meydana gelen anlık değişimlerin ateşböceği algoritması tarafından dikkate alınması önerilmiş ve böylece algoritmanın daha iyi olması sağlanmıştır. Bu şekilde elde edilen değiştirilmiş ve iyileştirilmiş ateşböceği algoritması, literatür çalışmalarında sıklıkla kullanılan çok sınıflı özelliğe sahip iris, car, zoo gibi üç veri kümesi üzerinde sınıflama amacıyla uygulanmıştır. Kural tabanlı sınıflama yapabilmek için her sınıf etiketine ait kural elde edilerek kural listesi oluşturulmuş ve sınıflama başarısı C4.5, PART, Naive-Bayes gibi bilinen diğer sınıflama yöntemleri ile karşılaştırılmıştır. Elde edilen deneysel sonuçlarda, önerilen sınıflama yönteminin oldukça yeterli ve başarılı sonuçlar verdiği görülmüştür.
Konular
Atıflar
OpenAlex cited_by_count. WoS veya Scopus atıf sayısı değildir; o kaynaklar için ayrı kolon yoktur.
5 atıf
OpenAlex cited_by_count (önbellek / veritabanı)
Yerel katalogda bu makaleye atıf yapan 6 yayın (OpenAlex referans eşleşmesi; tam dünya listesi değildir).
- A comparative study of daily streamflow forecasting using firefly, artificial bee colony, and genetic algorithm-based artificial neural network 2024
- A novel metaheuristic optimization and soft computing techniques for improved hydrological drought forecasting 2024
- A comparative study of daily streamflow forecasting using firefly, artificial bee colony, and genetic algorithm-based artificial neural network 2024
- ATEŞBÖCEĞİ ALGORİTMASI TABANLI PI DENETLEYİCİ İLE ÜÇ FAZLI DGM DOĞRULTUCULARIN PERFORMANS İYİLEŞTİRİLMESİ 2025
- İki boyutlu kutu paketleme probleminin çözümü için hibrit çiçek tozlaşma algoritması yaklaşımı 2022
- İki boyutlu kutu paketleme probleminin çözümü için hibrit çiçek tozlaşma algoritması yaklaşımı 2022