بررسی تاثیر پارامترها بر روی دقت دستهبندیکننده ملهم از انتخاب معکوس NSSAC
- سال انتشار: 1391
- محل انتشار: پانزدهمین کنفرانس دانشجویی مهندسی برق ایران
- کد COI اختصاصی: ISCEE15_068
- زبان مقاله: فارسی
- تعداد مشاهده: 1131
نویسندگان
دانشگاه آزاد اسلامی واحد قزوین، باشگاه پژوهشگران جوان، قزوین، ایرا
دانشگاه آزاد اسلامی واحد همدان، باشگاه پژوهشگران جوان، همدان، ایرا
چکیده
در دهه اخیر، دستهبندی دادهها یکی از مهمترین مسائل بشمار میرود. تکنیکهای مبتنی بر ایمنی مصنوعی جدیدترین تکنیکهای هوشمصنوعی در رابطه با دستهبندیکنندهها میباشند. با این وجود اغلب دستهبندیکنندههای مبتنی بر ایمنی مصنوعی نیاز به تنظیمپارامترهای متعددی دارند. بدیهی است که انتخاب مقداری بهینه برای این پارامترها، نه تنها امری خطاپذیر و وقتگیراست؛ بلکه نیاز به درک کامل جزئیات مجموعه داده دارد. جهت رفع این مشکل، ما الگوریتمی بنام دسته بندی کننده تطبیقی مبتنی بر انتخاب معکوسNSSAC را در پژوهشهای پیشین خود ارائه نمودیم. اگرچهNSSAC نیاز بهئ تنظیم دو پارامتر دارد اما ساختار آن به گونهای است که خود بصورت اتوماتیک به مقدار بهینه این پارامترها دست مییابد. لذا در این پژوهش در راستای تکمیل یافتههای پیشین، ضمن معرفیNSSAC به بررسی تاثیر پارامترهای دوگانه آن بر روی سه مجموعه داده استاندارد یادگیری ماشین میپردازیم. نتایج نشان می دهد کهNSSAC فاقد پیچیدگیهای لازم جهت تنظیم هر باره پارامترها است و مقدار بهینه این پارامترها به صورت اتوماتیک برای هر مجموعه داده ای ایجاد میشودکلیدواژه ها
الگوریتم انتخاب معکوس، الگوریتم تولید محافظ، پارامتر آستانه تشخیص، دستهبندیکننده، سیستم ایمنی مصنوعیمقالات مرتبط جدید
اطلاعات بیشتر در مورد COI
COI مخفف عبارت CIVILICA Object Identifier به معنی شناسه سیویلیکا برای اسناد است. COI کدی است که مطابق محل انتشار، به مقالات کنفرانسها و ژورنالهای داخل کشور به هنگام نمایه سازی بر روی پایگاه استنادی سیویلیکا اختصاص می یابد.
کد COI به مفهوم کد ملی اسناد نمایه شده در سیویلیکا است و کدی یکتا و ثابت است و به همین دلیل همواره قابلیت استناد و پیگیری دارد.