بهبود کارایی طبقه بندی ترکیبی با استفاده از شبکه های عصبی تابع پایه شعاعی
سال انتشار: 1395
نوع سند: مقاله کنفرانسی
زبان: فارسی
مشاهده: 507
فایل این مقاله در 6 صفحه با فرمت PDF 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:
ICTI01_054
تاریخ نمایه سازی: 11 مرداد 1396
چکیده مقاله:
به دلیل حجم بسیار بالای دادهها در بسیاری از کاربردها و اهمیت بیشتر دادههای جدید، ذخیرهسازی این دادهها امری مقرون به صرفه نیست. لذا نیاز به روشهایی است که بتوان این دادهها را طبقهبندی کرد. اگرچه بعضی از طبقه بندها در برخی موارد نسبت به بقیه نتایج بهتری تولید میکنند ولی هیچیک از آنها بر سایرین برتری نداشته و نمیتواند تمام دادهها را بدون هیچ خطایی طبقهبندی کند. هر طبقه بند قوتها و ضعفهای خاص خود را دارد. ترکیب مناسب طبقه بندها، میتواند نتایج طبقهبندی بهتری نسبت به هر طبقه بند و حتی بهترین آنها تولید کند.در این پایاننامه در ابتدا عملیات طبقهبندی بر روی دو مجموعه داده معروف Iris, Glass با استفاده از الگوریتمهای طبقهبندی درخت تصمیم، الگوریتم نزدیکترین همسایه، الگوریتم نایوبیز انجام میدهیم سپس ترکیب نتایج هر سه الگوریتم را بهعنوان دادههای آموزشی شبکه عصبیتوابع پایه شعاعی قراردادیم و پساز اجرای این روش ترکیب نتایج شبیهسازی نشان داد که روشپیشنهادی دارای دقت بیشتر نسبت به طبقه- بندهای بکار رفته در ترکیب دارد و درنهایت نتایج بهینهتری نسبت به سایر طبقه بندها ارایه میکند.
کلیدواژه ها:
نویسندگان
پروین شیخ سیه بنوییه
دانشجوی کارشناسی ارشد گروه مهندسی کامپیوتر(نرم افزار)، واحد سیرجان، دانشگاه آزاد اسلامی، سیرجان، ایران
محمدصادق حاج محمدی
عضو هیات علمی گروه کامپیوتر، واحد سیرجان، دانشگاه آزاد اسلامی، سیرجان، 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 :