ناشر تخصصی کنفرانس های ایران

لطفا کمی صبر نمایید

Publisher of Iranian Journals and Conference Proceedings

Please waite ..
ناشر تخصصی کنفرانسهای ایران
ورود |عضویت رایگان |راهنمای سایت |عضویت کتابخانه ها
عنوان
مقاله

روش جدید طبقه بندی خودفراگیر نیمه نظارتی بر مبنای تئوری مجموعه فازی ناهموار

سال انتشار: 1392
کد COI مقاله: CESD01_202
زبان مقاله: فارسیمشاهده این مقاله: 958
فایل این مقاله در 7 صفحه با فرمت PDF قابل دریافت می باشد

خرید و دانلود فایل مقاله

با استفاده از پرداخت اینترنتی بسیار سریع و ساده می توانید اصل این مقاله را که دارای 7 صفحه است به صورت فایل PDF در اختیار داشته باشید.
آدرس ایمیل خود را در کادر زیر وارد نمایید:

مشخصات نویسندگان مقاله روش جدید طبقه بندی خودفراگیر نیمه نظارتی بر مبنای تئوری مجموعه فازی ناهموار

فاطمه عارفیان - دانشجوی هوش مصنوعی، دانشگاه شهید باهنر، کرمان
مهدی افتخاری - دکتری هوشی مصنوعی، عضو هیئت علمی دانشگاه شهید باهنر کرمان

چکیده مقاله:

اکثر کارهای انجام گرفته با رویکرد فازی - ناهموار در زمینه یادگیری نظارتی بوده است در حالی که تعداد کمی از آنها برای یادگیری نیمه نظارتی و یا بدون نظارت انجام گرفته اند در بسیاری از موارد، اغلب به دست آوردن برچسب برای تمام نمونه ها، کاری دشوار، پرهزینه و زمان بر است. از آنجایی که یادگیری نیمه نظارتی با وجود تعداد محدود داده برچسب دار دو استفاده از تعداد زیادی از داده های بدون برچسب، دسته بندی بهتری ایجاد می کند، از اینرو در این مقاله به معرفی الگوریتم جدید طبقه بندی خود فراگیر با خود آموز نیمه نظارتی بر مبنای تئوری فازی - ناهموار، در جهت تخصیص برچسب به داده های بدون برچسب می پردازیم. روش پیشنهادی برخلاف بسیاری از روش های موجود نیاز به هیچ حد آستانه قابل تنظیمی توسط کاربر ندارد و نتایج تجربی به دست آمده نشان دهنده کارایی بالاتر این روش نسبت به سایر روش های مقایسه شده است.

کلیدواژه ها:

یادگیری نیمه نظارتی، طبقه بندی خود فراگیر، تئوری فازی، تئوری مجموعه های ناهموار،

کد مقاله/لینک ثابت به این مقاله

کد یکتای اختصاصی (COI) این مقاله در پایگاه سیویلیکا CESD01_202 میباشد و برای لینک دهی به این مقاله می توانید از لینک زیر استفاده نمایید. این لینک همیشه ثابت است و به عنوان سند ثبت مقاله در مرجع سیویلیکا مورد استفاده قرار میگیرد:

https://civilica.com/doc/239028/

نحوه استناد به مقاله:

در صورتی که می خواهید در اثر پژوهشی خود به این مقاله ارجاع دهید، به سادگی می توانید از عبارت زیر در بخش منابع و مراجع استفاده نمایید:
عارفیان، فاطمه و افتخاری، مهدی،1392،روش جدید طبقه بندی خودفراگیر نیمه نظارتی بر مبنای تئوری مجموعه فازی ناهموار،همایش مهندسی کامپیوتر و توسعه پایدار با محوریت شبکه های کامپیوتری، مدلسازی و امنیت سیستم ها،مشهد،https://civilica.com/doc/239028

در داخل متن نیز هر جا که به عبارت و یا دستاوردی از این مقاله اشاره شود پس از ذکر مطلب، در داخل پارانتز، مشخصات زیر نوشته می شود.
برای بار اول: (1392، عارفیان، فاطمه؛ مهدی افتخاری)
برای بار دوم به بعد: (1392، عارفیان؛ افتخاری)
برای آشنایی کامل با نحوه مرجع نویسی لطفا بخش راهنمای سیویلیکا (مرجع دهی) را ملاحظه نمایید.

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 :

  • Y. Wang , X. Xu , H.Zhoa, and Z.Hua , ...
  • _ _ Gabrys, L.Petrakieva, "Combining labeled and unlabeled data in ...
  • C.H Lee, "Improving classification performance using unlabeled data:na Bayesian case", ...
  • R.Jensen, and Q.Shen, _ Computational Intelligence and Feature Selection :Rough ...
  • R.Jensen, and Q.Shen, "New Approaches to Fuzzy-Rough Feature Selection", IEEE ...
  • _ and _ _ Set based Semi-Supervised Learning" _ Proceedings ...
  • R.Jensen, and C.Conelis, "fuzzy-rough nearest neighbour classification and prediction" , ...
  • R.Mihalcea, "Co-training and self-training for word Sence _ sambiguation' , ...
  • X.Zhu, _ _ S emi-supervised learning literature survey", Technical Report1 ...
  • J.M.Keller, M.R.Gray, and J.R.Givens, _ A Fuzzy k-nearest neighbor algorithm", ...
  • F.Wang, and C.Zhang, "Robust self-tuning semi -supervised learning, Neu ro ...
  • Y.Li, C .Guan, H.Li, and Z.Chin, _ self-training semi -supervised ...
  • X. Zhu, B. Goldberg , "introduction to semi-supervi sed learning", ...
  • مدیریت اطلاعات پژوهشی

    صدور گواهی نمایه سازی | گزارش اشکال مقاله | من نویسنده این مقاله هستم

    اطلاعات استنادی این مقاله را به نرم افزارهای مدیریت اطلاعات علمی و استنادی ارسال نمایید و در تحقیقات خود از آن استفاده نمایید.

    علم سنجی و رتبه بندی مقاله

    مشخصات مرکز تولید کننده این مقاله به صورت زیر است:
    نوع مرکز: دانشگاه دولتی
    تعداد مقالات: 16,298
    در بخش علم سنجی پایگاه سیویلیکا می توانید رتبه بندی علمی مراکز دانشگاهی و پژوهشی کشور را بر اساس آمار مقالات نمایه شده مشاهده نمایید.

    مقالات پیشنهادی مرتبط

    مقالات مرتبط جدید

    به اشتراک گذاری این صفحه

    اطلاعات بیشتر درباره 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.

    پشتیبانی