بررسی تقسیم تصادفی فضای خصیصه ها و تقسیم کلاس - محور داده ها بین رده بندی های پایه برای حداکثر کردن تنوع در مجمع رده بندها و ارائه یک روش برای بهبود کارایی
محل انتشار: سومین کنفرانس داده کاوی
سال انتشار: 1388
نوع سند: مقاله کنفرانسی
زبان: فارسی
مشاهده: 2,765
فایل این مقاله در 10 صفحه با فرمت PDF قابل دریافت می باشد
- صدور گواهی نمایه سازی
- من نویسنده این مقاله هستم
استخراج به نرم افزارهای پژوهشی:
شناسه ملی سند علمی:
IDMC03_085
تاریخ نمایه سازی: 13 دی 1389
چکیده مقاله:
با افزایش قدرت محاسباتی پردازنده های امروزی و افزایش وسیع داده ها روشهای رده بندی که از چندین رده بند تشکیل می شوند رو به گسترش می باشند این رده بندها که با نام مجمع رده بندها خوانده می شوند بدلیل پایداری بالا قادر به انجام رده بندی بهتر در برخی کاربردها مانند داده های جریانی و داده های انفورماتیک زیستی هستند دو نوع عمده ا زرده بندهای مجمع وجود دارند که بر مبنای طرز استفاده از رده بندهای پایه شکل می گیرند دراین مقاله ما ابتدا به بررسی تقسیم تصادفی فضای خصیصه ها بین رده بندهای پایه از نوع LVQ می پردازیم این روش در عین ایجاد بیشترین تنوع بین رده بندهای پایه بدلیل گسستگی فضای اموزشی و کم بودن داده های اموزشی هر رده بند دقت بالاتری نسبت به حالت تک رده بندی ایجاد نمی کند. برای جبران ای وضعیت و برای پیوسته ساختن فضای اموزشی هر رده بند و در عین حال حفظ تنوع داده های اموزشی هر رده بند در مرحله ی بعد هر رده بند را با استفاده از داده های یک کلاس و داده هایی که حدس می زنیم متعلق به مرز بین کلاسها می باشد اموزش میدهیم. نتایج پیاده سازی روش اخیر روی مجموعه های داده iris و wine از سری داده های UCI نشان دهنده ی بالا رفتن دقت رده بند نسبت به حالت تک رده بندی می باشد.
کلیدواژه ها:
نویسندگان
نوید کاردان
دانشجوی کارشناسی ارشد دانشکده مهندسی کامپیوتر دانشگاه علم و صنعت ایر
مرتضی انالویی
دانشیار دانشکده مهندسی کامپیوتر دانشگاه علم و صنعت ایران