سیویلیکا را در شبکه های اجتماعی دنبال نمایید.

مقایسه کارایی الگوریتم های مختلف یادگیری ماشین در درجه بندی میوه عناب

Publish Year: 1402
Type: Conference paper
Language: Persian
View: 166

This Paper With 15 Page And PDF Format Ready To Download

این Paper در بخشهای موضوعی زیر دسته بندی شده است:

Export:

Link to this Paper:

Document National Code:

NCAMEM15_252

Index date: 7 November 2023

مقایسه کارایی الگوریتم های مختلف یادگیری ماشین در درجه بندی میوه عناب abstract

هدف از این مطالعه بررسی امکان استفاده از پردازش صدای برخورد در حوزه زمان - فرکانس و مقایسه الگوریتم های مختلف انتخاب ویژگی و یادگیری ماشین در درجه بندی میوه های عناب در گروه های ریز، متوسط، درشت و خیلی درشت است. بدین منظور صدای برخورد میوه ها که از ارتفاع ۲۵ سانتی متری بر روی یک صفحه فلزی به ضخامت ۱۰ میلی متر افتادند اخذ شد. سپس برای انجام آنالیز زمان - فرکانس از تبدیل فوریه زمان کوتاه استفاده شد. ویژگی های زمان - فرکانس استخراج شده شامل فرکانس لحظه ای و آنتروپی طیفی می باشند. بدلیل تعداد زیاد ویژگی های استخراج شده از هر سیگنال، سه الگوریتم انتخاب ویژگی ReliefF ، MRMR و Chi۲ بررسی شدند. ویژگی های استخراج شده توسط هر الگوریتم انتخاب ویژگی به عنوان ورودی مدل های مختلف یادگیری ماشین مورد استفاده قرار گرفتند. در این پژوهش مدل های درخت تصمیم، تجزیه و تحلیل تفکیک خطی، بیزین ساده، ماشین بردار پشتیبان، k- نزدیک ترین فاصله، الگوریتم تقویت تطابقی و شبکه عصبی مورد ارزیابی قرار گرفتند. نتایج ارزیابی مدل های یادگیری ماشین در مرحله آزمایش نشان داد مدل های KNN,SVM آموزش دیده با ویژگی های استخراج شده توسط الگوریتم های MRMR,Chi۲ دارای دقت مشابه یکدیگر در تمامی معیارهای مورد بررسی بجز معیار MCC می باشند. مقدار معیار MCC مدل های KNN,SVM به ترتیب برابر با ۰/۹۷۸ و ۰/۹۷۷ در مرحله آزمایش بدست آمده است. براین اساس می توان گفت دقت مدل SVM بااختلاف بسیار اندک از دقت مدل KNN در درجه بندی میوه عناب بیشتر بوده است.

مقایسه کارایی الگوریتم های مختلف یادگیری ماشین در درجه بندی میوه عناب Keywords:

مقایسه کارایی الگوریتم های مختلف یادگیری ماشین در درجه بندی میوه عناب authors

سیدجواد سجادی

گروه تولیدات گیاهی، دانشکده کشاورزی ومنابع طبیعی دانشگاه گنبد کاووس

مقاله فارسی "مقایسه کارایی الگوریتم های مختلف یادگیری ماشین در درجه بندی میوه عناب" توسط سیدجواد سجادی، گروه تولیدات گیاهی، دانشکده کشاورزی ومنابع طبیعی دانشگاه گنبد کاووس نوشته شده و در سال 1402 پس از تایید کمیته علمی پانزدهمین کنگره ملی و اولین کنگره بین المللی مهندسی مکانیک بیوسیستم و مکانیزاسیون کشاورزی پذیرفته شده است. کلمات کلیدی استفاده شده در این مقاله عناب، یادگیری ماشین، پردازش سیگنال دیجیتال هستند. این مقاله در تاریخ 16 آبان 1402 توسط سیویلیکا نمایه سازی و منتشر شده است و تاکنون 166 بار صفحه این مقاله مشاهده شده است. در چکیده این مقاله اشاره شده است که هدف از این مطالعه بررسی امکان استفاده از پردازش صدای برخورد در حوزه زمان - فرکانس و مقایسه الگوریتم های مختلف انتخاب ویژگی و یادگیری ماشین در درجه بندی میوه های عناب در گروه های ریز، متوسط، درشت و خیلی درشت است. بدین منظور صدای برخورد میوه ها که از ارتفاع ۲۵ سانتی متری بر روی یک صفحه فلزی به ... . این مقاله در دسته بندی موضوعی یادگیری ماشین طبقه بندی شده است. برای دانلود فایل کامل مقاله مقایسه کارایی الگوریتم های مختلف یادگیری ماشین در درجه بندی میوه عناب با 15 صفحه به فرمت PDF، میتوانید از طریق بخش "دانلود فایل کامل" اقدام نمایید.