بهبود طبقه بندی با استفاده از فاصله توزیع و الگوهای مرزی

مهمترین گام در تشخیص الگوی آماری، طبقه بندی الگو ها می باشد. یکی از روش هایی که در این زمینه مطرح است, آنالیز تفکیک کننده خطی می باشد. این روش با استفاده از اطلاعات تفکیک کننده ای موجود در بین الگو ها ،اقدام به طبقه بندی الگو ها می نماید. تفکیک کننده، برای انجام این کار از اطلاعات تفکیک کننده موجود بین میانگین کلاس ها استفاده می کند. این تفکیک کننده با استفاده از فاصله ی توزیع ,از اطلاعات تفکیک کننده موجود بین ماتریس کواریانس کلاس ها نیز بهره می برد تا با انجام این کار آنالیز تفکیک کننده به حالت ناهمگن آن گسترش پیدا می کند. در این مقاله ما قصد داریم که با استفاده از الگوریتمی جدید ، الگو های مرزی و غیر مرزی را از یکدیگر جدا کرده و ماتریس های پراکندگی مورد استفاده در آنالیز تفکیک کننده ی خطی ناهمگن را بر اساس این الگو ها بسازیم. استفاده از این ماتریس های پراکندگی باعث کاهش همپوشانی بین کلاسی می شود که افزایش نرخ طبقه بندی را به بدنبال دارد. آزمایشات انجام شده در این مقاله بهبود نرخ طبقه بندی را نسبت به سایر الگوریتم ها بیان می کند.

کلیدواژه ها:

الگوریتم - CBP ، آنالیز تفکیک کننده ی ، خطی ، ، فاصله ی چرنوف ، معیار چرنوف ، معیار فیشر ، نمونه هایمرزی و غیر مرزی