روش جدید طبقه بندی چندکلاسه داده با کمک کاهش داده ها به منظور کاربرد در داده های حجیم
محل انتشار: سومین کنگره بین المللی فن آوری، ارتباطات و دانش
سال انتشار: 1395
نوع سند: مقاله کنفرانسی
زبان: فارسی
مشاهده: 529
فایل این مقاله در 9 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:
ICTCK03_028
تاریخ نمایه سازی: 10 تیر 1396
چکیده مقاله:
در این مقاله، روش جدیدی برای طبقه بندی چند کلاسه داده ها بر اساس کاهش داده ها، با هدف کاربرد برای داده های حجیم ارایه شده است. روش پیشنهادی دارای 2 فاز اصلی است: تشخیص نمونه های مرزی با کمک الگوریتم انتشار رو به جلو نمونه های اولیه بوسیله یک مجموعه از بردارهای پشتیبان، و دادن برچسب مناسب به نمونه های ورودی، که بر اساس تکنیک یک در مقابل همه پیشنهاد شده است. این روش تنها با یک پارامتر تنظیم و گرایش کمی به overfitting می تواند نرخ بالایی از دقت طبقه بندی را برای داده هایی با توپولوژی های پیچیده و کلاس های غیر مقعر و یا نامتعادل ارایه دهد. روش ارایه شده با محاسبه error_rate و condensing_rate در محیط متلب ارزیابی شده است. نتایج نشان میدهد که الگوریتم پیشنهادی توانسته با نرخ فشرده سازی بالایی، نرخ خطای طبقه بندی مناسبی نسبت به روش های محبوب دیگر داشته باشد. از این سیستم پیشنهاد شده میتوان در ابزارهایی با حافظه پایین و انتقال حجم بالایی از داده استفاده کرد که این تراکم داده در داده های حجیم می تواند از اهمیت بالایی برخوردار باشد.
کلیدواژه ها:
نویسندگان
الهام خان لاری
دانشگاه آزاد اسلامی واحد مشهد
سیدجواد سید مهدوی چابک
دانشگاه آزاد اسلامی واحد مشهد
سیدمحمد حسین معطر
دانشگاه آزاد اسلامی واحد مشهد
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 :