ترکیب خوشه بندی، معیار شباهت فازی و الگوریتم بهینه سازی اجتماع ذرات برای طبقه بندی بر مبنای یادگیری جمعی
محل انتشار: همایش مهندسی کامپیوتر و توسعه پایدار با محوریت شبکه های کامپیوتری، مدلسازی و امنیت سیستم ها
سال انتشار: 1392
نوع سند: مقاله کنفرانسی
زبان: فارسی
مشاهده: 1,379
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:
CESD01_160
تاریخ نمایه سازی: 25 اسفند 1392
چکیده مقاله:
در این مقاله یک روش جدید برای ایجاد طبقه بندی مبتنی بر گروه با استفاده از خوشه بندی و یک معیار شباهت فازی ارائه شده است. در روش پیشنهادی ابتدا با استفاده از الگوریتم خوشه بندی مرکز خوشه ها محاسبه می شود. سپس با استفاده از یک معیار شباهت فازی میزان شباهت نمونه ها به مرکز خوشه ها محاسبه می شود. متناظرظ با هر خوشه یک طبقه بند آموزش داده می شود که داده های آموزشی هر طبقه بند با استفاده از یک روش نمونه برداری با جایگذاری وزن دار با توجه به میزان شباهت نمونه ها به مرکز آن خوشه ایجاد می شوند به منظور تنظیم شعاع گستردگی هر خوشه از الگوریتم بهینه سازی اجتماع ذرات استفاده شده است برای پیش بینی نمونه جدید تصمیم های طبقه بندی ها با استفاده از روش رای اکثریت وزن دار ترکیب می شوند نتایج تجربی نشان می دهد که استفاده از خوشه بندی به همراه معیار شباهت فازی برای ایجاد زیرمجموعه های آموزشی با همپوشانی مناسب، در هنگام ساخت طبقه بند مبتنی بر یادگیری جمعی موثر است.
کلیدواژه ها:
نویسندگان
سجاد غلامی
دانشجوی بخش مهندسی کامپیوتر، دانشگاه شهید باهنر کرمان، کرمان
مهدی افتخاری
استادیار و عضو هیات علمی دانشگاه بخشی مهندسی کامپیوتر دانشگاه شهید باهنر کرمان
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 :