ترکیب الگوریتم نزدیک ترین همسایه و IVM برای طبقه بندی چند برچسبی
سال انتشار: 1395
نوع سند: مقاله کنفرانسی
زبان: فارسی
مشاهده: 464
فایل این مقاله در 11 صفحه با فرمت PDF و WORD قابل دریافت می باشد
- صدور گواهی نمایه سازی
- من نویسنده این مقاله هستم
این مقاله در بخشهای موضوعی زیر دسته بندی شده است:
استخراج به نرم افزارهای پژوهشی:
شناسه ملی سند علمی:
COMCONF03_175
تاریخ نمایه سازی: 6 اردیبهشت 1396
چکیده مقاله:
یک دسته از الگوریتم های یادگیری در علم داده کاوی، یادگیری برپایه ناظر است. این نوع از یادگیری به یافتن الگوریتم هایی می پردازد که از طریق نمونه های ذخیره شده در مجموعه داده آموزشی، مدل هایی ایجاد می کنند. این مدل ها می توانند کلاس نمونه های جدید را پیشگویی نمایند. نوعی از مجموعه داده آموزشی که امروزه اهمیت و توسعه بسیاری پیدا کرده است، مجموعه داده چند برچسبی می باشد. هر نمونه در مجموعه داده چند برچسبی، می تواند به مجموعه ای از کلاس ها تعلق داشته باشد. در مقابل این نوع، مجموعه داده تک برچسبی وجود دارد که هر نمونه از آن تنها به یک کلاس تعلق دارد. در این مقاله به ارایه الگوریتمی برای طبقه بندی چند برچسبی می پردازیم که ترکیب الگوریتم نزدیک ترین همسایه و IVM ایجاد شده است. الگوریتم پیشنهادی در تولید طبقه بندی کننده ها می تواند وابستگی بین برچسب ها را در نظر بگیرد.
کلیدواژه ها:
داده کاوی ، مجموعه داده چند برچسبی ، الگوریتم طبقه بندی کننده چند برچسبی ، الگوریتم نزدیک ترین همسایه ، الگوریتم IVM
نویسندگان
فاطمه شمس عزت
عضو هیات علمی دانشکده ریاضی و کامپیوتر، رشته علوم کامپیوتر، دانشگاه فسا
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 :