پویا رنجبر - گروه مهندسی کامپیوتر، موسسه آموزش عالی علوم و فناوری آریان، امیرکلا، بابل
نیلوفر حجتی - گروه مهندسی کامپیوتر، موسسه آموزش عالی علوم و فناوری آریان، امیرکلا، بابل
حمیدرضا کوهی - گروه مهندسی کامپیوتر، دانشگاه شمال، آمل

در میان روشهای پیشنهادی برای مقابله با مشکلات طبقه بندی چند کلاسه، اصلاح خطا کدهای خروجی (ECOC۱) یک چارچوب قدرتمند را نشان میدهد که عامل اصلی در طراحی ماتریس ECOC مستقل از طبقه بندی های دودویی است، بدون آن که روش ECOC بی اثر باشد. این مقاله یک رویکرد موثر جدید برای چارچوب ECOC برای بهبود مستقل در میان طبقه بندی ها ارایه می دهد. منطق اساسی برای کار ما این است که ما یک کدنویسی سه بعدی را طراحی می کنیم. علاوه بر ایجاد طبقه بندی های مستقل، ماتریس ECOC با کد های طولانی میتواند ساخته شود. با استفاده از انتخاب ویژگیهای مبتنی بر مجموعه، یک الگوریتم گروهی پیشنهاد شده است. در این مقاله از الگوریتم های، KNN۲، MLP۳ و SVM۴ برای یادگیری گروهی استفاده شده است. نتایج نشان میدهد میدهد که روش پیشنهادی دقت طبقه بندی را افزایش داده است. این آزمایشات بر روی مجموعه داده UCI صورت گرفته است.

طبقه بندی، ECOC، کد های خروجی، کدنویسی سه بعدی