بهینه سازی توابع تعلق در الگوریتم دسته بندی فازیMin-Max با استفاده از مینیمم و ماکزیمم الگوهای هر کلاس
محل انتشار: ششمین کنفرانس سراسری سیستم های هوشمند
سال انتشار: 1383
نوع سند: مقاله کنفرانسی
زبان: فارسی
مشاهده: 1,599
فایل این مقاله در 6 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:
ICS06_091
تاریخ نمایه سازی: 18 تیر 1391
چکیده مقاله:
یکی از روشهای دسته بندی الگوها روش فازیMin– Max می باشد. عملکرد این روش به این صورت است که برای هر بعد از فضای نمونه ای تعدادی تابع تعلق در نظر می گیرد و با استخراجقوانین از الگوهای شناخته شده موجود، یک سیستم فازی را طراحی می کند که می تواند با استنتاج از قوانین خود کلاس الگوی ناشناخته جدید را تخمین بزند در الگوریتم دسته بندی فازیMin – Max انتخاب درست توابع تعلق، هم می تواند از تعداد قوانین مورد نیاز بکاهد و هم عمل دسته بندی را به صورت مطلوب تری انجام دهد. در این مقاله روشی پیشنهاد شده است که بهبود این مهم را تحقق بخشد. در این روش مقدار مینیمم و ماکزیمم الگوهای هر کلاس در ابعاد مختلف فضای نمونه ای را یافته و عمل تقسیم بندی فضا با توجه به آنها انجام می شود. این عملیات برای زیر فضاهای بدست آمده تکرار می شود و در انتها با توجه به زیر بازه های به دست آمده در هر بعد، توابع تعلق تعریف می شوند
کلیدواژه ها:
نویسندگان
سیدصالح راست خدیو
دانشگاه آزاد اسلامی واحد علوم و تحقیقات گروه کامپیوتر- هوش مصنوعی
سعید ستایشی
دانشگاه صنعتی امیرکبیردانشکده فیزیک