Improving analogy learning performance by reduce computation time
Author
Salim, Hibah Muhammad Sulayman
Source
Issue
Vol. 2022, Issue 18 (s) (30 Apr. 2022), pp.277-288, 12 p.
Publisher
مركز بحوث و دراسات دول حوض البحر الأحمر
Publication Date
2022-04-30
Country of Publication
Sudan
No. of Pages
12
Main Subjects
Engineering & Technology Sciences (Multidisciplinary)
Abstract AR
التعلم التناظري هو واحد من أبسط تقنيات التصنيف في التنقيب عن البيانات، وهي تعتمد في تصنيف الكائنات على تخزين مجموعة البيانات أولا و عندما تحصل على بيانات جديدة يتم تصنيفها إلى فئة تشبه إلى حد كبير البيانات الجديدة.
و تتنبأ بفئة الكائن الجديد عن طريق حساب مسافة بين هذا الكائن و كل عينة في مجموعة البيانات التدريب.
عند العمل على مجموعة بيانات كبيرة تكون مكلفة لأنها تأخذ الكثير من الوقت في التحسيب، و لذلك كان لابد من تحسين أداء هذه الخوارزمية، حيث قامت كثير من الجهود لتحسين أداء هذه الخوارزمية اعتمادا على مفاهيم مختلفة.
و في هذه الورقة قام الباحث بتحسين أداء خوارزمية knn التي تعتمد على Analogy learning وذلك باتباع استراتيجيتين هما نطاقات الحد الأدنى و الأقصى لنقاط الفئات (MMP)، و عندما تقع نقاط الكائن الذي نريد تصنيفه داخل هذا النطاق فهو ينتمي لهذه الفئة.
و من المتوقع أن يقع الكائن خارج جميع نطاقات الفئات في هذه الحالة فقط يتم استخدام الاستراتيجية الأخرى وهي حساب المسافة بين هذا الكائن و MMP للفئات.
و قد تم إجراء تجربه experiment لهذه الخوارزمية المحسنة لقياس أدائها مقارنة مع خوارزمية knn التقليدية.
و قد تم تقيم الخوارزميات اعتمادا على وقت التنفيذ أي الوقت الذي تستغرقه الخوارزمية في التنفيذ و أظهرت النتائج أن الخوارزمية المحسنة هي الأفضل في الأداء.
Abstract EN
The analogy learning technique is the most public classification task in data mining.
It depends to classify objects at storing the dataset and when it gets new data classified to a category that is much similar to the new data and predicts the class of an object by calculating the distance of the object to each sample in the training dataset.
Working on a big dataset can be an expensive task, therefore it was been necessary to improve this method.
In this paper, we present improvement Kenn algorithm which it is learning based on Analogy.
This improved algorithm built upon two strategies, first it identifies the ranges (minimum and maximum points MMP) of the classes, If the object belongs to the rang then the object is predicted belonging to the class.
Another strategy is only used in one case when the object falls out of ranges, we calculate the distance between this object and the MMP of classes.
We present experiment to evaluate the improvement method.
The results show the developed method is better in performance than traditional Kenn algorithm and the efficiency had been improved.
American Psychological Association (APA)
Salim, Hibah Muhammad Sulayman. 2022. Improving analogy learning performance by reduce computation time. Al-ghulzum Scientific Journal،Vol. 2022, no. 18 (s), pp.277-288.
https://search.emarefa.net/detail/BIM-1438898
Modern Language Association (MLA)
Salim, Hibah Muhammad Sulayman. Improving analogy learning performance by reduce computation time. Al-ghulzum Scientific Journal No. 18 (Special issue) (Apr. 2022), pp.277-288.
https://search.emarefa.net/detail/BIM-1438898
American Medical Association (AMA)
Salim, Hibah Muhammad Sulayman. Improving analogy learning performance by reduce computation time. Al-ghulzum Scientific Journal. 2022. Vol. 2022, no. 18 (s), pp.277-288.
https://search.emarefa.net/detail/BIM-1438898
Data Type
Journal Articles
Language
English
Notes
Includes bibliographical references : p. 287-288
Record ID
BIM-1438898
