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

بهبود عملکرد طبقه بندی KNN با استفاده از روش وزندهی ویژگی ها مبتنی بر فواصل محلی

سال انتشار: 1394
کد COI مقاله: AIHE09_250
زبان مقاله: فارسیمشاهده این مقاله: 1,164
متن کامل این مقاله منتشر نشده است و فقط به صورت چکیده یا چکیده مبسوط در پایگاه موجود می باشد.
توضیح: معمولا کلیه مقالاتی که کمتر از ۵ صفحه باشند در پایگاه سیویلیکا اصل مقاله (فول تکست) محسوب نمی شوند و فقط کاربران عضو بدون کسر اعتبار می توانند فایل آنها را دریافت نمایند.

خرید و دانلود فایل مقاله

متن کامل (فول تکست) این مقاله منتشر نشده و یا در سایت موجود نیست و امکان خرید آن فراهم نمی باشد.

مشخصات نویسندگان مقاله بهبود عملکرد طبقه بندی KNN با استفاده از روش وزندهی ویژگی ها مبتنی بر فواصل محلی

سیدمحمد مهدی صافی - مربی، گروه مهندسی پزشکی، دانشگاه آزاد اسلامی واحد دزفول، ایران
محمد میکائیلی - استادیار، گروه مهندسی پزشکی، دانشگاه شاهد، تهران، ایران

چکیده مقاله:

روش KNN یک روش ساده و پرکاربرد در تشخیص الگو است که جهت طبقه بندی داده ها بر اساس نمونه های نزدیک به هم در فضایویژگی به کار می رود. عملکرد طبقه بندی KNN ، شدیدا به نحوه محاسبه فاصله بین نمونه ها وابسته است. در همین راستا روشهایمختلفی جهت اندازه گیری فاصله ارائه شده است که می توان از موفق ترین آنها به روش های مبتنی بر یادگیری معیار فاصله با استفادهاز بهینه سازی اشااره کرد. در این مقاله یک الگوریتم سریج جهت وزندهی ویژگی ها ارائه می شود که هدف آن کاهش فاصله درونکلاسی و افزایش فاصاله بین کلاسی محلی است و بر خلاف روش های مبتنی بر بهینه سازی، محاسبات بسیار کمتری دارد. نتایجپیاده سازی و مقایسه روش پیشنهادی با روش های موفق گذشته بیانگر بهبود چشمگیر عملکرد طبقه بندی است.

کلیدواژه ها:

کد مقاله/لینک ثابت به این مقاله

کد یکتای اختصاصی (COI) این مقاله در پایگاه سیویلیکا AIHE09_250 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/386135/

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:
صافی، سیدمحمد مهدی و میکائیلی، محمد،1394،بهبود عملکرد طبقه بندی KNN با استفاده از روش وزندهی ویژگی ها مبتنی بر فواصل محلی،دومین کنفرانس ملی توسعه علوم مهندسی،تنکابن،https://civilica.com/doc/386135

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: (1394، صافی، سیدمحمد مهدی؛ محمد میکائیلی)
برای بار دوم به بعد: (1394، صافی؛ میکائیلی)
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 :

  • T. Cover, and P. Hart, "Nearest neighbor pattern classification, " ...
  • J. Hocke, and T. Martinetz, "Feature weighting by maximum distance ...
  • Y. Tao, and C. Sheng, "Fast nearest neighbor search with ...
  • N. Ch ompupatipong, and K. Jearanaitanakij, "Improving the running time ...
  • N. Ishii, I. Torii, Y. Bao, and H. Tanaka, "Mapping ...
  • K. Q. Weinberger, F. Sha, and L. K. Saul, "Convex ...
  • L. Jiao, _ Pan, X. Feng, and F. Yang, " ...
  • F. Fernandez, and P. Isasi, "Loca] feature weighting in Nearest ...
  • S. Shalev- Shwartz, Y. Singer, and A. Y. Ng. "Online ...
  • _ Q. Weinberger, J. Blitzer, and L. K. Saul, "Distance ...
  • K. _ Weinberger, and L. K. Saul, "Fast solvers and ...
  • K. Q. Weinberger, and L. K. Saul, "distance metric learning ...
  • Medical Centre University, Institute of Oncology, Ljubljana, Yugoslavia. ...
  • http ://archive _ ic S. uci _ edu/ml/d atas ets/Parkinso. ...
  • 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.

    نظرات خوانندگان

    4.00
    1 تعداد پژوهشگران نظر دهنده
    5 0
    4 1
    3 0
    2 0
    1 0

    علم سنجی و رتبه بندی مقاله

    مشخصات مرکز تولید کننده این مقاله به صورت زیر است:
    نوع مرکز: دانشگاه آزاد
    تعداد مقالات: 4,517
    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