تکنیک های طبقه بندی چند برچسبی در داده کاوی

سال انتشار: 1395
نوع سند: مقاله کنفرانسی
زبان: فارسی
مشاهده: 2,389

فایل این مقاله در 9 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:

شناسه ملی سند علمی:

AISST02_040

تاریخ نمایه سازی: 6 اردیبهشت 1396

چکیده مقاله:

امروزه ورود تکنولوژی و کامپیوتر به عرصه های مختلف علوم باعث گسترش و دسترس پذیری داده ها گردیده است. این موضوع سبب یافتن روش های جدید مهندسی داده و روش های کشف دانش شده است. امروزه طبقه بندی کننده های چندبرچسبی، یک الگوی یادگیری مهم در میان الگوریتم های یادگیری داده کاوی هستند. در هر مجموعه داده چندبرچسبی هر نمونه می تواند به مجموعه ای از کلاس ها تعلق داشته باشد. هر طبقه بندی کننده برای یک مجموعه از نمونه های آموزشی که شامل مجموعه ای از صفات و برچسب کلاس های مربوطه اش است، مدلی ایجاد می کند. این مدل قادر به تعیین برچسب کلاس نمونه های جدید می باشد. این مقاله به معرفی تکنیک های طبقه بندی چند برچسبی پرداخته و آنها را با یکدیگر مقایسه کرده است. همچنین مطالب ذکر شده می تواند، در انتخاب الگوریتم طبقه بندی که متناسب با نوع مجموعه داده آموزشی و هدفی که از یادگیری مد نظر است، به کار گرفته شود.

کلیدواژه ها:

نویسندگان

رضا قائمی

گروه کامپیوتر ، واحد قوچان ، دانشگاه آزاد اسلامی ، قوچان ، ایران

عزیز عزت نشان

گروه کامپیوتر ، واحد مشهد مرکز درگز ، دانشگاه آزاد اسلامی ، درگز ، ایران

سامان پورسیاه ناوی

گروه کامپیوتر ، واحد قوچان ، دانشگاه آزاد اسلامی ، قوچان ، ایران

احسان صفار خراسانی

گروه کامپیوتر ، واحد نیشابور ، دانشگاه آزاد اسلامی ، نیشابور ، ایران

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 :
  • Semanticه [11] Y. Seungji, K. Sang-Kyun, and R. Yong Man, ...
  • کایرد سیستم‌های هوشهند (هحاسبافت نرم) درعلوم‌وصنایع _ 2او3 لسفندمله1394 ...
  • Multi-label Subject Automaticه [25] B. Lauser, and A. Hotho, Indexing ...
  • S.B. Kotsiantis, "Supervised machine learning: A review of classification techniques, ...
  • O. Dekel, and O. Shamir, _ 'Mu lti class-multilabl learning ...
  • M.-L. Zhang, and Z.-H. Zhou, "ML-KNN: A lazy learming approach ...
  • C. Amanda, and D.K. Ross, "Knowledge Discovery in Multi-label Phenotype ...
  • Z. Barutcuoglu, R.E. Schapire, and O.G. Troyanskaya, "Hierarchical multi-label prediction ...
  • D. Turnbull, L. Barrington, D. Torres, and G. Lanckriet, "Semantic ...
  • T. Li, and M. Ogihara, "Detecting Emotion in Music, " ...
  • K. Trohidis, G. Tsoumakes, G. Kalliris, and I. Vlahavas, "MultiLabel ...
  • D. Anastasios, T. Grigorios, M. Vasileios, K. Ioannis, and V. ...
  • M.R. Boutell, J. Luo, X. Shen, and C.M. Brown, "Learning ...
  • J. Deng, W. Dong, R. Socher, L.-J. Li, K. Li, ...
  • C.-T. Nguyen, D.-C. Zhan, and Z.-H. Zhou, "Multi-modal image annotation ...
  • W. Cheng, and E. Hillermeier, "Combining instance-based learming and logistic ...
  • G. Tsoumakas, and I. katakis, "Multi-label classification: An overview, " ...
  • G. Tsoumakas, I. Katakis, I. Vlahavas, O. Maimon, and L. ...
  • Seena Mary Augusty, and S. Izudheen, "A Survey: Evaluation of ...
  • ieba Maciej, Tomczak Jakub M., Lubicz Marek, and s. Jerzy, ...
  • J. Xu, _ extended one-versus-res support vector machine for multi-labl ...
  • T. Joachims, C. Nedellec, and C. Rouveirol, "Text categorization with ...
  • . G. Tsoumakas, and I. katakis, "Multi-label classification: an overview, ...
  • A. Elisseeff, and J. Weston, _ method for multi- labelled ...
  • T. Gonxalves, P. Quaresma, F. Pires, and S. Abreu, :A ...
  • M. Petrovskiy, "Paired Comparisons Method for Solving Multi-Label Learning Problem, ...
  • X. Jianhua, "Constructing a Fast Algorithm for Multi-label Classification with ...
  • Stratification of Multi-label Data, ; Machine Learning and Granular Computing, ...
  • M.J.T. David, and P.W.D. Robert, "Support Vector Data Description, " ...
  • . J. Read, _ Pruned Problem Transformation Method for Multi-label ...
  • . G. Tsoumakas, A. Dimou, E. Spyromitros, V. Mezaris, I. ...
  • E. Hullermeier, J. Furnkranz, W. Cheng, and K. Brinker, "Label ...
  • J. Furnkranz, E. Hullermeier, E. Loza Mencia, and K. Brinker, ...
  • G. Tsoumakas, I. Vlahavas, J. Kok, J. Koronacki, R. Mantaras, ...
  • G. Tsoumakas, I. Katakis, and I. Vlahavas, "Random k- Labelsets ...
  • J. Read, B. Pfahringer, and G. Holmes, "Multi-label Classification Using ...
  • J. Xu, _ efficient multi-label support vector machine with a ...
  • F.A. Thabtah, P. Cowling, Y. Peng, R. Rastogi, K. Morik, ...
  • Z. Younes, F. Abdallah, T. Denoeux, and H. Snoussi, :A ...
  • M.-L. Zhang, "ML-rbf: RBF Neural Networks for Multi- Label Learning, ...
  • A. Elisseeff, and J. Weston, "A kermel method for multi- ...
  • W. Fei, H. Yahong, T. Qi, and Z. Yueting, "Multi-label ...
  • Proc. Proceedings of the international conference _ Multimedia, ACM, 2010, ...
  • H. Haibo, and E.A. Garcia, "Learning from Imbalanced Data, ; ...
  • _ Galar, A. FernA:ndez, E. Barrenechea .H. Bustince, and F. ...
  • Systems, Man, and Cybernetics, Part C: Applications and 2006, pp. ...
  • K. Sechidis .G. Tsoumakas, I. Vlahavas, D. Gunopulos, T. Hofmann, ...
  • Knowledge Discovery in Databases20 1, pp. 145-158. ...
  • Tahir M., Kittler J., and Bouridane A., "Multilabel classification using ...
  • نمایش کامل مراجع