رده بندی ترکیبی بر اساس خوشه بندی رده بندها (رویکردی مبتنی بر داده کاوی توزیع شده )

سال انتشار: 1391
نوع سند: مقاله کنفرانسی
زبان: فارسی
مشاهده: 1,240

فایل این مقاله در 7 صفحه با فرمت PDF قابل دریافت می باشد

این مقاله در بخشهای موضوعی زیر دسته بندی شده است:

استخراج به نرم افزارهای پژوهشی:

لینک ثابت به این مقاله:

شناسه ملی سند علمی:

LNCSE02_043

تاریخ نمایه سازی: 6 اسفند 1391

چکیده مقاله:

ایده تقسیم مجموعه دادههای بسیار بزرگ به زیرمجموعههای کوچکتر، که هریک جهت آموزش یک ردهبندکننده مورد استفاده قرار میگیرند و سپس تشکیل کمیتهای از این یادگیرندهها برای یاد گیریهر مسئله بر توزیع شده بودن کار تاکید دارد. پر چالشترین مسئلهدر ساخت یک سیستم ردهبندی مبتنی بر اجماع 1، چگونگی ساخت یک مجمع مناسب از ردهبند های پایه است. در این مقاله یک روشجدید ساخت مجمع به نام ردهبند ترکیبی بر اساس خوشهبندی رده- بندهاCSBC)ارائه شده استCSBC تنوع لازم در میان مجمع رابا استفاده از تکنیک خوشهبندی ردهبندها تضمین میکند. این روشاز الگوریتم کیسه 3 به عنوان مولد ردهبندهای پایه استفاده میکند نوع همه ردهبندهای پایه یا درخت تصمیم یا شبکه عصبی چند لایه در نظر گرفته میشود و در حین ساخت مجمع عوض نمیشود. بعد ازساخت یک تعداد زیادی از ردهبندهای پایهCSBC آنها را به کمک یک الگوریتم خوشهبندی افراز میکند. سپس با انتخاب یک ردهبند از هر افراز، مجمع نهایی را تولید میکند. روش رایگیری وزندار بهعنوان تابع جمعکننده مجمع در نظر گرفته میشود. در این مقاله اثر تعداد خوشهها بر کاراییCSBC بررسی شده و بیان میشود که یک تقریب خوب چیست. همچنین چگونگی انتخاب یک ردهبند از هرافراز نیز بررسی شده است. اثر نرخ نمونهبرداری نیز بر کارایی رده بندی ترکیبی براساس خوشه بندی رده بندها بررسی خواهد شد. در آخر آزمایشاتی بر روی تعداد وسیعی از مجموعه دادههای استاندارد در پایگاه دادگان یادگیری ماشین انجام شده است. مقایسه نتایج درمقایسه باسایرروش ها نشان ازکارایی بالای روش پیشنهادی دارد

کلیدواژه ها:

داده کاوی توزیع شده ، مجمع ردهبند ، درخت تصمیم ، کیسه ، تقویت

نویسندگان

الهام معصومی نوگورابی

مهندسی نرم افزار، دانشجوی کارشناسی ارشد دانشگاه آزاد قزوین، ایران

هدیه ساجدی

استادیاردانشگاه تهران، ایران

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 :
  • Blake C.L, Merz C.J., 1998. UCI Repository of machine learning ...
  • http://www.ics _ uci. ed u/- ml earn/MLRepo sitory.html ...
  • Breiman L, 1996. Bagging Predictors. Journal of Machine Learning, 24(2): ...
  • Breiman L, 2001. Random Forests. Machine Learning, 45(1): 5-32. ...
  • Freund Y., Schapire R.E., 1997. A Decision. Theoretic Generalization of ...
  • Giacinto, G., Roli F., 2001. An approach to the automatic ...
  • Simon Ginter , Horst Bunke, Creation of Classifier Ensembles for ...
  • Kuncheva L.I., 2005. Combining Pattern Classifiers, Methods and Algorithms. New ...
  • Minaei-Bidgoli B., Topchy A.P., Punch W.F., 2004. Ensembles of Partitions ...
  • Parvin H., Minaei-Bidgoli B., Shahpar H., 2011. Classifier Selection by ...
  • Yang T., 2006. Computational Verb Decision Trees. International Journal of ...
  • Amigo E., Gonzalo J., Artiles J., and Verdejo F. 2011. ...
  • Kurland O., and Krikon E 2011. The Opposite of Smoothing: ...
  • Pea J.M. 2011. Finding Consensus Bayesian Network Structures, Journal of ...
  • Khashei, M., Bijari, M. 2010. An Artificial Neural Network Mode] ...
  • Pazos, A.B.P., Gonzalez, A.A., Pazos, F.M., 2009. Artificial NeuroGlial Networks. ...
  • Kuncheva, L.I. and Whitaker, C., 2003. Measures of diversity in ...
  • Behruz minaei-bidgoli , akram beigi , 201 1.A new classifier ...
  • Behrouz Minaei-B idgoli, Alexander Topchy, William F. Punch. 2004. Ensembles ...
  • D. Mokeddem, H. B elbachir.200. Distributed Data Mining using Ensemble ...
  • N. Hatami and R Ebrahimpour. 2007 .Combining Multiple Classifiers: Diversify ...
  • نمایش کامل مراجع