بهینه سازی توابع تعلق در الگوریتم دسته بندی فازیMin-Max با استفاده از مینیمم و ماکزیمم الگوهای هر کلاس
Publish place: 6th Intelligent Systems Conference
Publish Year: 1383
نوع سند: مقاله کنفرانسی
زبان: Persian
View: 1,600
This Paper With 6 Page And PDF Format Ready To Download
- Certificate
- من نویسنده این مقاله هستم
استخراج به نرم افزارهای پژوهشی:
شناسه ملی سند علمی:
ICS06_091
تاریخ نمایه سازی: 18 تیر 1391
Abstract:
یکی از روشهای دسته بندی الگوها روش فازیMin– Max می باشد. عملکرد این روش به این صورت است که برای هر بعد از فضای نمونه ای تعدادی تابع تعلق در نظر می گیرد و با استخراجقوانین از الگوهای شناخته شده موجود، یک سیستم فازی را طراحی می کند که می تواند با استنتاج از قوانین خود کلاس الگوی ناشناخته جدید را تخمین بزند در الگوریتم دسته بندی فازیMin – Max انتخاب درست توابع تعلق، هم می تواند از تعداد قوانین مورد نیاز بکاهد و هم عمل دسته بندی را به صورت مطلوب تری انجام دهد. در این مقاله روشی پیشنهاد شده است که بهبود این مهم را تحقق بخشد. در این روش مقدار مینیمم و ماکزیمم الگوهای هر کلاس در ابعاد مختلف فضای نمونه ای را یافته و عمل تقسیم بندی فضا با توجه به آنها انجام می شود. این عملیات برای زیر فضاهای بدست آمده تکرار می شود و در انتها با توجه به زیر بازه های به دست آمده در هر بعد، توابع تعلق تعریف می شوند
Keywords:
Authors
سیدصالح راست خدیو
دانشگاه آزاد اسلامی واحد علوم و تحقیقات گروه کامپیوتر- هوش مصنوعی
سعید ستایشی
دانشگاه صنعتی امیرکبیردانشکده فیزیک