ناشر تخصصی کنفرانس های ایران

لطفا کمی صبر نمایید

Publisher of Iranian Journals and Conference Proceedings

Please waite ..
CIVILICAWe Respect the Science
ناشر تخصصی کنفرانسهای ایران
عنوان
مقاله

بهبود طبقه بندی با استفاده از فاصله توزیع و الگوهای مرزی

سال انتشار: 1394
کد COI مقاله: ICEEE07_144
زبان مقاله: فارسیمشاهد این مقاله: 298
فایل این مقاله در 8 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 8 صفحه است به صورت فایل PDF در اختیار داشته باشید.
آدرس ایمیل خود را در کادر زیر وارد نمایید:

مشخصات نویسندگان مقاله بهبود طبقه بندی با استفاده از فاصله توزیع و الگوهای مرزی

علی یعقوبی - کارشناسی ارشد مهندسی نرم افزار موسسه آموزش عالی پارس رضوی شهرستان گناباد
محسن کرامتی شهری - دانشگاه آزاد اسلامی واحد مشهد

چکیده مقاله:

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

کد مقاله/لینک ثابت به این مقاله

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/459128/

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:
یعقوبی، علی و کرامتی شهری، محسن،1394،بهبود طبقه بندی با استفاده از فاصله توزیع و الگوهای مرزی،هفتمین کنفرانس ملی مهندسی برق و الکترونیک ایران،گناباد،،،https://civilica.com/doc/459128

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، یعقوبی، علی؛ محسن کرامتی شهری)
برای بار دوم به بعد: (1394، یعقوبی؛ کرامتی شهری)
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 ممقالهقاله لینک شده اند :

  • Statical pattern recognation 3 ethishen. ...
  • Fisher, R. A. (1936). The use of multiple measuremens _ ...
  • Rao, C. R. (1948). The utilization of multiple measuremens ...
  • K. Fukunaga, Introduction to Statistical Patterm Recognition. New York: Academic ...
  • A.K. Jain, R.P.W. Duin, and .I. Mao, "Statistical Pattern Recogition: ...
  • M. Loog, R.P.W. Duin, Linear dimensionality reduction via a heteroscedaste ...
  • _ _ Pattern Recognition New York: Academic Press, 1990 ...
  • non-interactive heterosedastic linear dimention reduction for two class data ...
  • Linear Dimension Reduction: Generalisations of the Fisher Criterion, Number 44 ...
  • M. Loog and R.P.W. Duin, "Non-Iterative Heteroscedastc Linear Dimension Reduction ...
  • Safayani, M., & Shalmani, M. T. M. (2012). Two- Dimensional ...
  • Qin, A. K., Suganthan, P. N, & Loog, M. (2005). ...
  • _ _ _ _ _ _ the Fisher Criterion.Delfl Univ. ...
  • Na JH, Park MS, Choi JY (2010) linear boundary di ...
  • _ S _ 0 _ _ Computation, 19(3), 816-855 ...
  • Na JH, Park MS, Choi JY (2010) linear boundary ...
  • _ _ _ instance-based learning algorithms, Mach. Learning 38 ...
  • _ Advances _ ...
  • _ _ _ _ IEEE Trans. _ ...
  • B. Smyth, M.T. Keane, Remembering to forget, in: Proceeding of ...
  • _ _ of multimodl labeled data by local fisher discriminant ...
  • D.J. Newman, S. Hettich, C.L. Blake, C.J. Merz, UCI _ ...
  • E.L. Allwein, R.E. Schapire, Y. Singer, Reducing multiclass _ _ ...
  • C. Chapelle, V. Vapnik, O. Bousquet, S. Mukherjee, _ _ ...
  • _ _ _ on Data Mining, 2003, pp. 589-592 ...
  • R. Kohavi, A study _ cross-validation and bootstrap for accuracy ...
  • 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: موسسه غیرانتفاعی
    تعداد مقالات: 20
    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

    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