کلاسه بندی نرم با استفاده از خوشه بندی و تئوری ترکیب باورها
محل انتشار: سومین کنفرانس بین المللی فناوری اطلاعات و دانش
سال انتشار: 1386
نوع سند: مقاله کنفرانسی
زبان: فارسی
مشاهده: 1,623
فایل این مقاله در 8 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:
ICIKT03_027
تاریخ نمایه سازی: 22 فروردین 1387
چکیده مقاله:
در سیستمهای کلاسه بندی معمول، هرالگوی ورودی به یک کلاس نسبت داده می شود. لزوم تخصیص نمونه ها فقط به یک کلاس، از آزادی عمل سیستم می کاهد، چراکه در بسیاری از موارد، به دلیل همپوشانی کلاسها در فضای ویژگیهای مربوطه، نمی توان یک نمونه را به راحتی فقط به یک کلاس نسبت داد. در این مقاله یک سیستم کلاسه بندی با محاسبات نرم پیشنهاد شده است، بطوریکه
در آن، با تدابیری که در نظر گرفته شده است، آزادی عمل سیست م با در نظر گرفتن انتساب نمونه ها به همه حالتهای ممکن از کلاسهای موجود افزایش قابل ملاحظه ای پیدا می کند. در مرحله آموزش سیستم پیشنهادی، با اعمال کلاسه بندی بدون مربی بر روی ویژگیهای تک بعدی استخراج شده از نمونه های آموزشی، کلاسهای جدیدی به دست می آید. در ادامه ی این مرحله، با الگوریتمی همپوشانی کلاسهای اصلی در کلاسهای جدید جستجو می شود. در مرحله آزمایش، نمونه ها طوری کلاسه بندی می شوند که محدودیت انتساب نمونه ها به یک کلاس وجود نداشته باشد، در نتیجه انتساب نمونه ها همراه با عدم قطعیت خواهد شد. در نهایت برای کاهش سطح عدم قطعیت به وجود آمده، با استفاده از تئوری ترکیب باورها، قطعیت پاسخ سیستم بهبود داده می شود. از تصاویری از دانه های شن و ماسه که در 5 کلاس اصلی دسته بندی شده بودند، به عنوان دیتاهای سیستم و بررسی نتایج استفاده شده است. نتیجه اعمال روش پیشنهادی بر روی مجموعه دیتای ذکر شده رضایت بخش بوده و حاکی از توفیق این روش می باشد.
کلیدواژه ها:
نویسندگان
جمال قاسمی
بابل، دانشگاه صنعتی نوشیروانی، دانشکده مهندسی برق و کامپیوتر
رضا قادری
بابل، دانشگاه صنعتی نوشیروانی، دانشکده مهندسی برق و کامپیوتر
ابوالفضل رنجبرنوعی
بابل، دانشگاه صنعتی نوشیروانی، دانشکده مهندسی برق و کامپیوتر
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 :