هذا هو تطبيق Linux المسمى GA-EoC للتشغيل في Linux عبر الإنترنت والذي يمكن تنزيل أحدث إصدار له كـ GA-EoC.jar. يمكن تشغيله عبر الإنترنت في مزود الاستضافة المجاني OnWorks لمحطات العمل.
قم بتنزيل وتشغيل هذا التطبيق المسمى GA-EoC عبر الإنترنت للتشغيل في Linux عبر الإنترنت باستخدام OnWorks مجانًا.
اتبع هذه التعليمات لتشغيل هذا التطبيق:
- 1. قم بتنزيل هذا التطبيق على جهاز الكمبيوتر الخاص بك.
- 2. أدخل في مدير الملفات الخاص بنا https://www.onworks.net/myfiles.php؟username=XXXXX باسم المستخدم الذي تريده.
- 3. تحميل هذا التطبيق في هذا الملف.
- 4. ابدأ تشغيل OnWorks Linux عبر الإنترنت أو محاكي Windows عبر الإنترنت أو محاكي MACOS عبر الإنترنت من هذا الموقع.
- 5. من نظام تشغيل OnWorks Linux الذي بدأته للتو ، انتقل إلى مدير الملفات الخاص بنا https://www.onworks.net/myfiles.php؟username=XXXXX مع اسم المستخدم الذي تريده.
- 6. قم بتنزيل التطبيق وتثبيته وتشغيله.
SCREENSHOTS
Ad
GA-EoC للتشغيل في Linux عبر الإنترنت
الوصف
في تصنيف البيانات ، لا توجد مصنفات معينة تعمل بشكل ثابت في كل حالة. هذا هو الأسوأ في حالة كل من مجموعات البيانات عالية الأبعاد وغير المتوازنة.للتغلب على قيود البيانات غير المتوازنة في الفئة ، قمنا بتقسيم مجموعة البيانات باستخدام عينة فرعية عشوائية لموازنتها. بعد ذلك ، نطبق طريقة مجموعة الميزات (alpha، beta) -k لتحديد مجموعة فرعية أفضل من الميزات ودمج مخرجاتها للحصول على مجموعة ميزات موحدة لتدريب المصنف.
لتعزيز أداء التصنيف ، نقترح مجموعة من المصنفات التي تجمع بين مخرجات التصنيف للمصنفات الأساسية باستخدام نهج تصويت الأغلبية الأبسط والمستخدم على نطاق واسع.
بدلاً من إنشاء المجموعة باستخدام جميع المصنفات الأساسية ، قمنا بتنفيذ خوارزمية جينية (GA) للبحث عن أفضل تركيبة من المصنفات الأساسية غير المتجانسة.
يعتبر أداء التصنيف الذي تم تحقيقه بواسطة طريقة الطريقة المقترحة على مجموعات البيانات المختارة واعدًا.
المميزات
- قم بإنشاء طيات Cross Validation واحفظ مجموعات البيانات في القرص للاستخدام المستقبلي بتنسيق ARFF
- قم بإنشاء وتسلسل إلى قرص نماذج المصنف لجميع طيات تدريب التحقق من الصحة المتقاطعة للاستخدام بواسطة GA-EoC
- قم بإنشاء كافة نماذج المصنف الأساسي وتسلسلها إلى قرص باستخدام مجموعة بيانات التدريب الكامل.
- ابحث عن أفضل مجموعات المجموعات لإنشاء مجموعة غير متجانسة من المصنفات باستخدام التحقق المتقاطع k-fold في مجموعة بيانات التدريب (باستخدام مجموعة بيانات ونماذج السيرة الذاتية التي تم إنشاؤها مسبقًا)
- تقييم أداء أفضل مجموعة على بيانات اختبار غير معروفة (استخدم النماذج التي تم إنشاؤها مسبقًا باستخدام بيانات التدريب الكاملة)
الجمهور
تكنولوجيا المعلومات ، العلوم / البحث ، التعليم ، المستخدمون النهائيون المتقدمون ، المطورون
واجهة المستخدم
وحدة التحكم / المحطة الطرفية ، سطر الأوامر
لغة البرمجة
جافا
هذا تطبيق يمكن جلبه أيضًا من https://sourceforge.net/projects/geneticensembleclassifier/. تمت استضافته في OnWorks ليتم تشغيله عبر الإنترنت بأسهل طريقة من أحد أنظمتنا التشغيلية المجانية.