یادگیری نیمه نظارتی الهام گرفته از طبیعت مبتنی بر ویرایش نزدیکترین همسایگی

سال انتشار: 1396
نوع سند: مقاله کنفرانسی
زبان: فارسی
مشاهده: 592

فایل این مقاله در 7 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:

IRANOPEN07_010

تاریخ نمایه سازی: 29 فروردین 1397

چکیده مقاله:

یادگیری نیمه نظارتی در سال های اخیر توجه بسیاری از پژوهشگران را به خود جلب نموده است. در یادگیری نیمه نظارتی ، نمونه های بدون برچسب به مجموعه آموزشی اضافه میشوند تا عملکرد طبقه بندی بهبود یابد، با این حال برچسب گذاری های اشتباه و نویزها نیز به طور همزمان معرفی میشوند که باید ویرایش یا حذف شوند، به منظور کاهش تاثیرات منفی، روش ویرایش نمودن داده های متعلق به نزدیکترین همسایگی با برچسب گذاری چندگانه و مفاهیم تجمع و تبخیر فرمون مربوط به کلونی مورچگان معرفی میشود و بنابراین الگوریتمی بنام خود آموزی با برچسب گذاری چندگانه الهام گرفته از طبیعت (Bio inspired multi label self training edit) به همراه ویرایش (BMSE) در این پژوهش ارایه می گردد. الگوریتم ارایه شده میتواند بخشی از مشکل عدم قطعیت در طبقه بندی نیمه نظارتی با برچسب گذاری چندگانه را حل نماید و این کار را با بهبود وضعیت برچسب ها و انتخاب نمونه های مطمین در طول فرآیند یادگیری نیمه نظارتی انجام می دهد.

کلیدواژه ها:

نویسندگان

بهزاد فرهپور

آزاد اسلامی، واحد قزوین، دانشکده مهندسی برق، پزشکی و مکاترونیک، قزوین، ایران

امید سجودی شیجانی

آزاد اسلامی، واحد قزوین، دانشکده مهندسی برق، پزشکی و مکاترونیک، قزوین، ایران