معیار جدید اندازه گیری تغییر دقت ترکیب شبکه های بیز با کاربرد در طبقه بندی تصاویر

شبکه های بیز در ادبیات مربوط به طبقه بندی مشهور و بسیار مورد استفاده هستند. ساده ترین نوع این شبکه ها یعنی بیز ساده (naïve) به واسطه سادگی و سرعت آنها در یادگیری و استنتاج توجه بسیاری از محققین را به خود جلب کرده اند. با این وجود،زمانیکه تعداد زیادی طبقه بندی وجود دارد که باید بر اساس مجموعه یکسانی از ویژگی ها انجام شود، قطعاً داشتن یک شبکه واحد بر اساس آن مجموعه بسیار بهتر می باشد. در این مقاله معیاری برای تخمین مقدار تغییر دقت پس از عمل ترکیب ارایه شده است. همچنین یک روش ساده و کارا برای ترکیب شبکه های ساده و تولید یک شبکه کامل ارایه شده که در عین اینکه دقت پارامترهای آموزش دیده را حفظ می کند بار محاسباتی آموزش پارامتارهای یک شبکه بیز کامل را کم کرده و پیچیدگی محاسباتی عمل یادگیری پارامترهای را نیز از (O(n³ به (O(mn کاهش می دهد. روش ترکیب و معیار ارایه شده بر روی مساله طبقه بندی تصاویر اعمال شده است. نتایج عملی نشان دهنده درستی و کارایی معیار ارایه شده و همچنین افزایش دقت کل شبکه پس از ترکیب است.

کلیدواژه ها:

استنتاج ، شبکه بیز ، شبکه ساده ، طبقه بندی تصاویر ، یادگیری