یک روش مقیاسپذیر برای بهبود کارایی دستهبندها در کاربردهای چند دستهای با استفاده از دستهبندهای دوتایی و الگوریتم ژنتیک
محل انتشار: اولین همایش منطقه ای یافته های جدید کامپیوتری
سال انتشار: 1394
نوع سند: مقاله کنفرانسی
زبان: فارسی
مشاهده: 874
فایل این مقاله در 6 صفحه با فرمت PDF و WORD قابل دریافت می باشد
- صدور گواهی نمایه سازی
- من نویسنده این مقاله هستم
این مقاله در بخشهای موضوعی زیر دسته بندی شده است:
استخراج به نرم افزارهای پژوهشی:
شناسه ملی سند علمی:
FRCNC01_020
تاریخ نمایه سازی: 14 مرداد 1394
چکیده مقاله:
در این مقاله، یک روش ترکیبی جدید، برای بهبود نرخ بازشناسی دسته بندهای چنددسته ای پیشنهاد شده است. ایده اصلی در این روش استفاده از دسته بندهای دو دسته ای است. به خاطر دقت بالاتر این نوع دسته بندها نسبت به دسته بندهای چند دسته ای، استفاده از آنها در ترکیب منجر به کاهش خطا در نواحی پر خطا از فضای ویژگی می شود. در روش پیشنهادی، ابتدا یک دسته بند چند دسته ای آموزش داده می شود و ماتریس تداخل مربوط به آن محاسبه می شود. سپس، جفت دسته هایی که با توجه به ماتریس تداخل و داده های ارزیابی، بیشترین خطا را دارند، مشخص می شوند. برای افزایش دقت در تشخیص آنها از یکدیگر، تعدادی دسته بند دوتایی به سیستم افزوده می شود. در نهایت از رای گیری وزن دار برای ترکیب نتایج استفاده می شود. در این روش، از شبکه های عصبی به عنوان دسته بند اولیه استفاده شده است. تعیین وزن ها در رده بند نهایی با الگوریتم ژنتیک انجام می شود. نتایج روش پیشنهادی ، روی یک مجموعه داده از ارقام دستنویس فارسی، مورد ارزیابی قرار گرفته است. با استفاده از روش پیشنهادی، نرخ بازشناسی دسته بند منفرد اولیه از 97.83 به 98.89 افزایش پیدا کرد، که بهبود قابل توجهی را نشان می دهد
کلیدواژه ها:
نویسندگان
حمید پروین
عضو هیئت علمی دانشکده مهندسی کامپیوتر دانشگاه آزاد اسلامی واحد یاسوج
حسین علیزاده
دکتری کامپیوتر دانشکده مهندسی کامپیوتردانشگاه آزاد اسلامی واحد یاسوج
محسن مشکی
دکتری کامپیوتر دانشکده مهندسی کامپیوتردانشگاه آزاد اسلامی واحد یاسوج
علی نوذری
کارشناسی ارشد دانشکده مهندسی کامپیوتردانشگاه آزاد اسلامی واحد یاسوج
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 :