header

An enhanced approach for none-parametric machine learning classifiers / (Record no. 164208)

MARC details
000 -LEADER
fixed length control field 03382nam a2200301Ia 4500
005 - DATE AND TIME OF LATEST TRANSACTION
control field 20250223033121.0
008 - FIXED-LENGTH DATA ELEMENTS--GENERAL INFORMATION
fixed length control field 231030s9999 xx 000 0 und d
049 ## - LOCAL HOLDINGS (OCLC)
Holding library Deposit
082 ## - DEWEY DECIMAL CLASSIFICATION NUMBER
Classification number 005.1
097 ## - Thesis Degree
Thesis Level M.Sc
099 ## - LOCAL FREE-TEXT CALL NUMBER (OCLC)
Classification number Cai01.18.07.M.Sc.2021.Ab.E.
100 ## - MAIN ENTRY--PERSONAL NAME
Personal name Submitted by Abdel Fatah Karam Abdel Fatah ,
245 #3 - TITLE STATEMENT
Title An enhanced approach for none-parametric machine learning classifiers /
Statement of responsibility, etc. Abdel Fatah Karam Abdel Fatah ؛ Dr. Ammar Mohammad، Dr. Abdelmonem Helmy .
246 ## - VARYING FORM OF TITLE
Title proper/short title نهج مُحَسن للمصنفات الغير براميتريه في تعلم الآلة.
260 ## - PUBLICATION, DISTRIBUTION, ETC.
Date of publication, distribution, etc. 2021.
336 ## - CONTENT TYPE
Source rda content
Content type term text
337 ## - MEDIA TYPE
Source rdamedia
Media type term Unmediated
338 ## - CARRIER TYPE
Source rdacarrier
Carrier type term volume
502 ## - DISSERTATION NOTE
Dissertation note Thesis (M.Sc.)-Cairo University,2022.
504 ## - BIBLIOGRAPHY, ETC. NOTE
Bibliography, etc. note Bibliography: p. 89-95.
520 ## - SUMMARY, ETC.
Summary, etc. الجار الأقرب (KNN (هي خوارزمية تعلم آلي حديثة تُستخدم في مهام التصنيف. بالإضافة إلى كونها سهلة الفهم ، فإن KNN هي أي ًضا متعددة الاستخدامات ، وتشمل تطبيقات مختلفة. لشعبية KNN ومجموعة واسعة من الاستخدام ، العديد من المساهمات التي استهدفت زيادة كفاءة التصنيف وحققت توسعات في تعزيز استخدام لها مزايا قوية ، إلا أنها تعتبر مصنفًا كسو ًلا أساليب .KNN على الرغم من أن KNN لا يولد نموذ ًجا مدربًا ولكنه يخزن أو يحفظ أمثلة التدريب بدلاً من ذلك. وبالتالي ، تصبح عملية التنبؤ باستخدام KNN مكلفة من حيث الموارد والوقت ، خاصةً عندما تكون مجموعة بيانات التدريب كبيرة. في هذه الأطروحة ، نقترح خوارزمية جديدة تسمى -K أقرب (KMKNN (KNN Medoid عبارة عن مزيج من النهج الهجين بين الخوارزميات الخاضعة للإشراف وغير الخاضعة للإشراف ، والتي تعمل على تحسين أداء KNN من حيث أداء التنبؤ وكفاءة الوقت. تتمثل الفكرة الأساسية لـ KMKNN في تجميع مجموعة البيانات قبل التنبؤ للحد من مقاييس المسافة إلى مثيلات البيانات التي تنتمي إلى أقرب مجموعة من البيانات الجديدة KMKNN. عند مقارنتها بـ KNN التقليدية وبعض امتداداتها ، تم تحقيق تحسن ملحوظ من خلال تطبيق 15 مجموعة بيانات معيارية. بالإضافة إلى ذلك ، حققت التجارب نفس النتائج أو نتائج أعلى مقارنة بالعديد من امتدادات .KNN تكمن أهمية هذا العمل بشكل أساسي في مجموعة بيانات كبيرة أو عندما يكون مقياس المسافة المستخدم مكلفًا من الناحية الحسابية ، وهو أمر شائع في مجالات استنتاج و ادراك الصور و غيرها والتعرف على الأنماط.
650 ## - SUBJECT ADDED ENTRY--TOPICAL TERM
Topical term or geographic name entry element Machine Learning
653 ## - INDEX TERM--UNCONTROLLED
Uncontrolled term None- Parametric
700 ## - ADDED ENTRY--PERSONAL NAME
Personal name Ammar Mohammad
856 ## - ELECTRONIC LOCATION AND ACCESS
Uniform Resource Identifier <a href="http://172.23.153.220/th.pdf">http://172.23.153.220/th.pdf</a>
905 ## - LOCAL DATA ELEMENT E, LDE (RLIN)
Cataloger Mohamady
942 ## - ADDED ENTRY ELEMENTS (KOHA)
Koha item type Thesis
Source of classification or shelving scheme Dewey Decimal Classification
Holdings
Source of classification or shelving scheme Not for loan Home library Current library Date acquired Full call number Barcode Date last seen Koha item type
Dewey Decimal Classification   المكتبة المركزبة الجديدة - جامعة القاهرة قاعة الرسائل الجامعية - الدور الاول 11.02.2024 Cai01.18.07.M.Sc.2021.Ab.E. 01010110086290000 30.10.2023 Thesis