ترکیب طبقه بندی کننده های چندگانه با تقسیم فضای ویژگی بر اساس معیار همبستگی طیفی حداکثر و حداقل
محل انتشار: چهارمین کنفرانس مهندسی برق و الکترونیک ایران
سال انتشار: 1391
نوع سند: مقاله کنفرانسی
زبان: فارسی
مشاهده: 1,023
فایل این مقاله در 5 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:
ICEEE04_187
تاریخ نمایه سازی: 6 مهر 1391
چکیده مقاله:
خطا و عدم قطعیت در داده های سنجش از دوری به روشهای مختلف و توسط منابع متنوعی ایجاد می شود. این عدم قطعیت بطور همزمان در مرحله تولید و جمع آوری داده ها بوجود آمده و در مراحل بعدی استفاده از داده ها، انتشار یافته و رشد می کند و در نهایت نتایج و محصولات بدست آمده را تحت تأثیر قرار می دهد. یک راه حل برای کاهش عدم قطعیت و خطا و بهبود نتایج طبقه بندی، ترکیب طبقه بندی کننده های چند گانه می باشد. تحقیقات انجام شده نشان می دهد ترکیب طبقه کننده ها وقتی مؤثر است که خطای طبقه بندی کننده ها مستقل از هم باشند. در این مقاله مدلی یشنهاد شده است که انعطاف پذیری برای انتخاب طبقه بندی کننده ها را افزایش داده و شرط مستقل بودن خطای طبقه بندی کننده ها، بعنوان اجزای ترکیب را برآورده می سازد. در ابتدا باندهای طیفی بر مبنای معیار همبستگی طیفی حداکثر و حداقل به چندین باند کوچکتر دسته بندی می شوند. اطلاعات هر گروه به عنوان یک منبع جدید استفاده می شود. این منابع مجزا با طبقه بندی کننده هایی چون حداکثر احتمال و شبکه های عصبی طبقه بندی می شوند و نتایج آنها با هم ترکیب می شوند و در نهایت خروجی طبقه بندی کننده های مجزا با استفاده از قاعده رای گیری حداکثر با هم ترکیب می شوند. نتایج آزمایش بر روی داده های واقعی سنجیده AVRIS نشان می دهد با روش پیشنهادی صحت طبقه بندی کننده ها بهبود یافته و مشکل محدودیت در نمونه های آموزشی تا حدودی جبران شده است.
کلیدواژه ها:
نویسندگان
محسن ایمانیان
دانشگاه آزاد اسلامی واحد بوشهر
حمید دهقانی
دانشگاه مالک اشتر
احمد کشاورز
دانشگاه خلیج فارس
مراجع و منابع این مقاله:
لیست زیر مراجع و منابع استفاده شده در این مقاله را نمایش می دهد. این مراجع به صورت کاملا ماشینی و بر اساس هوش مصنوعی استخراج شده اند و لذا ممکن است دارای اشکالاتی باشند که به مرور زمان دقت استخراج این محتوا افزایش می یابد. مراجعی که مقالات مربوط به آنها در سیویلیکا نمایه شده و پیدا شده اند، به خود مقاله لینک شده اند :