روشی تکاملی برای بهینه سازی طبقه بندی مبتنی بر جمع سپاری

سال انتشار: 1399
نوع سند: مقاله کنفرانسی
زبان: فارسی
مشاهده: 435

فایل این مقاله در 13 صفحه با فرمت PDF قابل دریافت می باشد

استخراج به نرم افزارهای پژوهشی:

لینک ثابت به این مقاله:

شناسه ملی سند علمی:

CONFITC05_031

تاریخ نمایه سازی: 2 آذر 1399

چکیده مقاله:

یادگیری مبتنی بر جمع سپاری یکی از انواع مهم یادگیری است که سعی در کاهش هزینه های برچسب زنی دارد. در بحثیادگیری مبتنی بر جمع سپاری، این امکان را فراهم می کنند که از خرد جمعی برای حل مسائل استفاده کنند. اکثر روش هایمبتنی بر جمع سپاری به دلیل استفاده از الگوریتم EM در محاسبه پارامترها، دارای مشکل گیرافتادن در بهینه های محلیناشی از نقطه شروع نامناسب هستند. در این مقاله روشی مبتنی بر الگوریتم های تکاملی به منظور رفع مشکلات الگوریتمEM در محاسبه پارامترهای مدل جمع سپاری ارائه شده است. در این روش، مقادیر اولیه پارامترهای مدل طبقه بندی مبتنیبر جمع سپاری، از جمله دقت نظردهندگان و ضرایب خط جداساز از طریق الگوریتم ازدحام ذرات محاسبه می شوند. سپسمقادیر بدست آمده به عنوان نقطه شروع الگوریتم EM مورد استفاده قرار گرفته و بهینه سازی می شوند.آزمایشات بر رویمجموعه داده های واقعی با نظردهندگان شبیه سازی شده، و مجموعه داده های واقعی با نظردهندگان واقعی، انجام شدهاست. نتیجه این آزمایشات برای روش ارائه شده در مقایسه با سایر روش ها، نشان دهنده ی برتری روش پیشنهادی از نظرصحت طبقه بندی بر روی داده های آزمون است.

کلیدواژه ها:

نویسندگان

مریم حبیبی پور

آموزشکده فنی و حرفه ای سما، دانشگاه آزاد اسلامی، واحد مشهد، مشهد، ایران

الهام آفرنده

عضو هیات علمی گروه کامپیوتر ،موسسه آموزش عالی توس

اکرم حبیبی پور

دانشگاه آزاد اسلامی، واحد مشهد، مشهد، ایران