ترکیب طبقه بندی کننده ها بر اساس آنالیز عدم قطعیت
محل انتشار: اولین کنفرانس ملی مهندسی فناوری اطلاعات مکانی
سال انتشار: 1394
نوع سند: مقاله کنفرانسی
زبان: فارسی
مشاهده: 790
فایل این مقاله در 13 صفحه با فرمت PDF قابل دریافت می باشد
- صدور گواهی نمایه سازی
- من نویسنده این مقاله هستم
استخراج به نرم افزارهای پژوهشی:
شناسه ملی سند علمی:
NCEGIT01_177
تاریخ نمایه سازی: 19 اردیبهشت 1395
چکیده مقاله:
یک روش موثر برای افزایش کارایی سیستم های بازشناسی الگو استفاده از ترکیب نتایج طبقه بندی کننده ها می باشد که در سال های اخیر توجه محققین را به خود جلب کرده است طبقه بندی مرکب شامل تعدادی طبقه بندی کننده می باشد که تصمیمات منفرد هرکدام از آن ها به روش های مختلف با یکدیگر ترکیب می شوند برای آنکه ترکیب طبقه بندی کننده ها نتایج قابل قبولی داشته باشد باید طبقه بندی کننده ها مکمل و دارای خطای مستقل باشند همچنین طبقه بندی کننده های منفرد از کارایی مناسبی برخوردار باشد در این مقاله روشی جدیدی برای ترکیب خروجی طبقه بندی کننده ها پیشنهاد شده است که در آن با استفاده از آنالیز عدم قطعیت ها خروجی طبقه بندی کننده ها با هم ترکیب می شوند در این روش اطلاع از عدم قطعیت ها از معیار آنتروپی استفاده شده است با اجرای طبقه بندی کننده های منفرد بیشترین شباهت ماشین بردار پشتیبان شبکه های عصبی و جنگل تصادفی خروجی نتایج بر اساس آنالیز عدم قطعیت در ترکیبات مختلف طبقه بندی کننده ها با هم ترکیب شدند این آزمایش بر روی تصویر آیکونوس نیمه شهری بررسی شد نتایج نشان داد که روش پیشنهادی ترکیب در حالت ترکیب چهارتایی ML SVM, NN, RF نسبت به ترکیبات دوتایی و سه تایی طبقه بندی کننده های مختلف و نیز طبقه بندی کننده های منفرد دارای دقت بهتری می باشد در این بین برای طبقه بندی کننده های بیشترین شباهت ماشین بردار پشتیبان شبکه های عصبی جنگل تصادفی و روش پیشنهادی ترکیب در حالت ترکیب چهارتایی به ترتیب دقت کلی برابر 77.95%،80.01%،79.70%،80.56%،82.89%حاصل شد
کلیدواژه ها:
نویسندگان
روزبه خان بلوکی
دانشجوی کارشناسی ارشد سنجش از دور دانشگاه صنعتی خواجه نصیرالدین طوسی
مهدی مختارزاده
استادیار دانشکده مهندسی نقشه برداری دانشگاه صنعتی خواجه نصیرالدین طوسی
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 :