ارائه یک مدل مبتنی بر خصیصه داده ها برای مساله نیمه نظارتی

امروزه مسئله نیمه نظارتی یک مسئله بسیار پرکاربرد می باشد. در زمانهایی که برچسب زدن داده ها کار پر هزینه ای است و همچنین زمانی که داده های برچسب نخورده زیادی وجود دارد، کاربرد فراوانی دارد و روش های زیادی برای آن ارائه شده است. در مسئله نیمه نظارتی بعضی از داده ها دارای برچسب و بعضی از داده ها فاقد برچسب می باشند. باتوجه به اهمیت این موضوع یک روش ارائه شده است. در مسئله نیمه نظارتی بخش عمده ای از داده ها فاقد برچسب و بخش کمی دارای برچسب می باشند، بنابراین روش پیشنهادی این است که از داده های آموزشی استفاده شود تا داده های برچسب دار افزایش یابد بطوری که از روش DBSCAN الهام گرفته و یک ɛ بدست می آوریم. برای داده های برچسب دار یک حد فاصل در نظر گرفته شده و آن داده هایی که در این فاصله وجود دارند با داده های برچسب هم برچسب می شوند. بدست آوردن بهترین ɛ کار سخت و دشوار می باشد. در این پژوهش از طریق خود تطبیقی کردن روش پیشنهادی این مشکل را از بین برده و پیاده سازی انجام شد و با دیتاست های مختلف مقایسه شده است. بطور مثال در دیتاست Spambase در الگوریتم [SEFR[۶ به دقت ۷۸% رسیده و دو درصد دقت بهتر شده است.

کلیدواژه ها:

خصیصه داده ها ، خوشه بندی ، شعاع همسایگی