بهینه سازی الگوریتم نزدیک ترین همسایه در مسایل داده های نامتوازن بر اساس وزن دهی پویا

  • سال انتشار: 1394
  • محل انتشار: نخستین کنفرانس ملی محاسبات نرم
  • کد COI اختصاصی: CSCG01_012
  • زبان مقاله: فارسی
  • تعداد مشاهده: 695
دانلود فایل این مقاله

نویسندگان

مریم دیالمه

دانشجوی کارشناسی ارشد هوش مصنوعی، شیراز- دانشگاه شیراز

منصور ذوالقدری جهرمی

عضو هییت علمی بخش کامپیوتر دانشگاه شیراز، شیراز

چکیده

الگوریتم نزدیک ترین همسایه به علت سادگی و کارایی یکی از قدرتمندترین کلاس بندها می باشد. با این وجود عملکرد ضعیفی بر روی کلاس اقلیت در مسایل داده های نامتوازن دارد. هدف این مقاله ارایه روشی برای بهبود عملکرد الگوریتم نزدیک ترین همسایه در این مسایل می باشد. از این رو، یک روش وزن دهی پویا به نمونه ها پیشنهاد شده است بطوریکه وزن دهی را بصورت پویا و براساس نمونه آزمایش انجام می دهد. وزن دهی توسط یک تابع وزن پیشنهاد شده انجام می شود که انعطاف پذیری بالایی در وزن دهی دارد. برای افزایش سرعت و عملکرد الگوریتم نزدیک ترین همسایه، از یک مجموعه کاهش یافته از نمونه ها به عنوان نماینده استفاده شده است. . تابع هدف بصورت تخمینی مشتق پذیر از معیار G-Mean می باشد. از روش گرادیان صعودی برای یادگیری پارامترهای تابع وزن و مکان نماینده ها استفاده شده بطوریکه کارایی کلاس بند الگوریتم نزدیک ترین همسایه بیشینه شود. نتایج حاصله از آزمایش ها نشان از برتری روش پیشنهادی در برابر سایر روش های مرتبط در این زمینه دارد.

کلیدواژه ها

وزن دهی پویا، الگوریتم نزدیک ترین همسایه، مجموعه داده های نامتوازن

مقالات مرتبط جدید

اطلاعات بیشتر در مورد COI

COI مخفف عبارت CIVILICA Object Identifier به معنی شناسه سیویلیکا برای اسناد است. COI کدی است که مطابق محل انتشار، به مقالات کنفرانسها و ژورنالهای داخل کشور به هنگام نمایه سازی بر روی پایگاه استنادی سیویلیکا اختصاص می یابد.

کد COI به مفهوم کد ملی اسناد نمایه شده در سیویلیکا است و کدی یکتا و ثابت است و به همین دلیل همواره قابلیت استناد و پیگیری دارد.