افزایش دقت دسته بندی با افزودن دسته بندهای ویژه متنوع در نواحی پرخطا

یکی از مسائلی که در سالهای اخیر بخش قابل توجهی از تحقیقات در حوزهی شناسایی الگو را متوجه خود ساخته، توسعه ی روشهایی جهت بهبود کارایی سامانه های بازشناسی است. یکی از روشهای موثر در بهبود کارایی سامانه های بازشناسی، ایجاد مجمعی (ensemble) از دسته بندها (classifier) به جای استفاده از یک دستهبند منفرد است. در این مقاله، روشی برای کاهش خطا در دسته بندهای چند دسته ای ارائه شده است. فرآیند آموزش روش پیشنهادی شامل مراحل زیر است: 1) ابتدا از یک دسته بند چند دستهای برای بازشناسی الگوها استفاده میشود. 2) ماتریس تداخل (confusion matrix) حاصل از به کارگیری دسته بند چندتایی روی دادگان آزمون (test set) محاسبه میگردد. 3) جفت دسته هایی که بیشترین خطا بین آنها رخ داده است، مشخص میشوند. 4) به ازای هر مجموعه از دستهها که تمام اعضای آن دوبدو با هم تداخل (خطای بالا بین یک جفت دسته) دارند، یک دسته بند که بیشتر از بقیه دسته بندها خطا را کاهش میدهد، اختصاص مییابد. 5) دسته بندهای جدید روی الگوهای مربوط به دسته های تحت پوشش آن آموزش میبیند. 6) دسته بندهای جدید با دسته بند اولیه ایجاد یک مجمع میدهند

کلیدواژه ها:

مجمع ، دسته بند ، دسته ، ماتریس تداخل ، شبکه عصبی ، ماشین بردار پشتیبان ، دسته بند چندتایی ، دسته بند دوتایی