یک الگوریتم مبتنی برk نزدیک ترین همسایه برای دسته بندی چند برچسبی

سال انتشار: 1394
نوع سند: مقاله کنفرانسی
زبان: فارسی
مشاهده: 1,116

فایل این مقاله در 5 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:

ICESCON01_1071

تاریخ نمایه سازی: 25 بهمن 1394

چکیده مقاله:

در این پژوهش تلاش شده است تا الگوریتمی مبتنی بر k نزدیکترین همسایه برای دستهبندی چند برچسبی ارائه شود. ابتدا مروری خواهد شد بر یادگیری چند برچسبی ) Multi-Label Learning ( و اینکه چرا به این دسته از الگوریتمهای یادگیرینیاز وجود دارد. همچنین مثالهایی از مسائلی که با استفاده از این نوع یادگیری و دستهبندی حل میشوند ذکر خواهد شد. در ادامهی بحث الگوریتم اصلی این مقاله توضیح داده خواهد شد. این الگوریتم با نام اختصاری ML-kNN نامگذاری شده است و به معنای k نزدیکترین همسایهی چند برچسبی ) Multi-Label k-Nearest Neighbor ( میباشد. سپس آزمایشات حاصل ازاجرای این الگوریتم و مقایسهی آن با سایر الگوریتمهای موجود در زمینهی دستهبندی دادههای چند برچسبی مورد بررسی قرار میگیرد و در انتها نیز نتایج حاصل بیان خواهد شد

نویسندگان

ارسلان دژکام

دانشگاه دریانوردی و علوم دریایی چابهار

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 :
  • N. Ueda and K Saito, "Parametric mixture models for multi-labl ...
  • _ P. Dempster, N. M. Laird, and D. B. Rubin, ...
  • J. R. Quinlan, C4, 5: Programs for Machine Learning. San ...
  • Bi, W. and Kwok, J.T. Multi-label classification On treeand DAG- ...
  • نمایش کامل مراجع