ورود
مقالات فارسیISIکنفرانسهاژورنالها

روش طبقه بندی ترکیبی کدهای خروجی تصحیح کننده خطا ECOC با معیار کمترین فاصله وزندار بر پایه الگوریتم ژنتیک

محل انتشار: سومین کنفرانس بین المللی فناوری اطلاعات و دانش
سال انتشار: 1386
نوع سند: مقاله کنفرانسی
زبان: فارسی
مشاهده: 2,187

فایل این مقاله در 6 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:
https://civilica.com/doc/49926

شناسه ملی سند علمی:

ICIKT03_093

تاریخ نمایه سازی: 22 فروردین 1387

چکیده مقاله:

روش کدهای خروجی تصحیح خطا (ECOC) یکی از الگوریتم های محبوب در ترکیب طبقه بندهاست . این روش برای حل یک مساله چند کلاسه پیچیده آنرا به تعدادی مساله دو کلاسه ساده تجزیه کرده و پس از حل مسائل دوکلاسه توسط طبقه بندهای پایه با ساختار ساده تر، با استفاده از روشهای بازسازی، جواب مساله اصلی چند کلاسه را بدست می آورد . روشهای رایج بدون توجه به تفاوت های مسائل دودویی ایجاد شده یا طبقه بندهای پایه آنها، از معیار " کمترین فاصله " برای طبقه بندی نمونه ها در مرحله بازسازی استفاده می کنند . در این مقاله برای رفع این نقص و برای تاثیر تفاوت طبقه بندهای پایه، معیار " کمترین فاصله وزندار " در مرحله بازسازی پیشنهاد شده که از الگوریتم ژنتیک برای یافتن وزنهای بهینه استفاده شده است . نتایج تجربی بر روی مساله Satimage ، کارایی روش پیشنهادی را در مقایسه با متدهای رایج بازسازی الگوریتم ECOC نشان می دهد

کلیدواژه ها:

ترکیب طبقه بندها ، الگوریتم ژنتیک ، کدهای خروجی تصحیح کننده خطا ( ECOC (

نویسندگان

نیما حاتمی

دانشجوی کارشناسی ارشد برق - الکترونیک، دانشکده فنی مهندسی و محقق مرکز

رضا ابراهیم پور

پژوهشکده علوم شناختی، مرکز تحقیقات فیزیک نظری و ریاضیات (IPM) و استادیار گ

رضا قادری

استادیار گروه مهندسی برق، دانشکده فنی مهندسی، دانشگاه مازندران، با

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 :
  • K.M. Ali and M.J. Pazzani, _ Link Between Error Correlation ...
  • N. Hatami and R. Ebrahimpour, Combining Multiple Classifiers: Diversify with ...
  • _ Freund and R.E. Schapire.، A dec is ion-theoretic generalisation ...
  • R.A. Jacobs, M.I. Jordan, S.E. Nowlan, G.E. Hinton, Adaptive mixture ...
  • T. G. Dietterich and G. Bakiri, Solving multiclass learning problems ...
  • R. Ghaderi. Arranging simple neural networks to solve complex classification ...
  • Windeatt, T., Ghaderi, R., 2001. Binary labelling and decision level ...
  • R. Ghaderi, T. Windeatt. Least Squares and Estimation Measures via ...
  • J. Kittler, R. Ghaderi, T. Windeatt, J. Matas. Face verification ...
  • D.E. Goldberg, Genetic Algorithms in Search, Optimization and Machine Learning, ...
  • E.L Allvein, R.E Shapire and Y. Singer, *Reducing Multiclass to ...
  • Windeatt, T., Ghaderi, R., 2003. Coding and decoding strategies for ...
  • W.W. Peterson and J.R. Weldon. Error-C orrecting Codes. MIT press, ...
  • G. Shafer. A mathematical theory of evidence. Princeton Univ Press, ...
  • E.B. Kong and T.G. Diettrich. Probability estimation via e rror- ...
  • B. Gabrys and D. Ruta, "Genetic Algorithms in Classifier Fusion", ...
  • J.H. Holland, Adaptation in Natural and Artificial Systems, The University ...
  • J. L. Filho, P. C. Treleaven, C. Alippi, and P. ...
  • E.B. Kong and T.G. Diettrich. Error-c orrecting output coding corrects ...
  • UCI repository of machine learning databases. University of California, Irvine, ...
    • نمایش کامل مراجع