ارائه روشی کارا برای دسته بندی مسائل چند دسته ای با رویکرد انتخاب دسته بند
نویسنده:
چکیده:
سیستمهای دسته بندی شورایی، رویکردی موثر در یادگیری ماشین است که در آن با ترکیب نتایج چند دسته بند سعی می شود تقریب بهتری از یک دسته بند بهینه فراهم شود. در حوزه ترکیب خروجی شورای دستهبندها، رویکرد «انتخاب دستهبند» توجه کمتری را در مقایسه با رویکرد «ادغام دسته بند» به خود جلب کرده است. همچنین، اغلب روش های موجود در این حوزه، هزینه محاسباتی بالایی دارند. در این مقاله، روشی موثر در دسته بندی مسائل چنددسته ای بر اساس رویکرد انتخاب ویژگی پیشنهاد شده است. روش پیشنهادی ابتدا با استفاده از 14 مجموعه داده تراز از پایگاه UCI آزمون شده و پس از اثبات توانایی آن، برای شناسایی رایحه های سه نوع شیرین بیان به کار گرفته شده است. مقایسه نتایج روش پیشنهادی و روش های دیگر سیستمهای شورایی بر اساس دو معیار صحت شناسایی و زمان محاسباتی، کارایی بهتر روش را در دسته بندی مسائل چنددسته ای نشان می دهد.
کلیدواژگان:
زبان:
فارسی
انتشار در:
در صفحه:
9
لینک کوتاه:
magiran.com/p1056105
دانلود و مطالعه متن این مقاله با یکی از روشهای زیر امکان پذیر است:
اشتراک شخصی
با عضویت و پرداخت آنلاین حق اشتراک یکساله به مبلغ 1,390,000ريال میتوانید 70 عنوان مطلب دانلود کنید!
اشتراک سازمانی
به کتابخانه دانشگاه یا محل کار خود پیشنهاد کنید تا اشتراک سازمانی این پایگاه را برای دسترسی نامحدود همه کاربران به متن مطالب تهیه نمایند!
توجه!
- حق عضویت دریافتی صرف حمایت از نشریات عضو و نگهداری، تکمیل و توسعه مگیران میشود.
- پرداخت حق اشتراک و دانلود مقالات اجازه بازنشر آن در سایر رسانههای چاپی و دیجیتال را به کاربر نمیدهد.
In order to view content subscription is required
Personal subscription
Subscribe magiran.com for 70 € euros via PayPal and download 70 articles during a year.
Organization subscription
Please contact us to subscribe your university or library for unlimited access!