حل مسئله کواریانس بین کلاسی در تحلیل متمایز سازی خطی با استفاده از روش سلسله مراتبی و الگوریتم ژنتیک

Publish Year: 1391
نوع سند: مقاله کنفرانسی
زبان: Persian
View: 1,363

This Paper With 7 Page And PDF Format Ready To Download

  • Certificate
  • من نویسنده این مقاله هستم

این Paper در بخشهای موضوعی زیر دسته بندی شده است:

استخراج به نرم افزارهای پژوهشی:

لینک ثابت به این Paper:

شناسه ملی سند علمی:

ICS11_184

تاریخ نمایه سازی: 14 مهر 1392

Abstract:

یکی از روش های پرکاربرد در کاهش ویژگی و دسته بندی تحلیل متمایز سازی خطی است که در آن با نگاشت داده ها به فضای جدید، فاصله میان دسته ها افزایش و پراکندگی داده های یک کلاس به صورت همزمان کاهش میابد. از آنجایی که جهت محاسبه ماتریس نگاشت، کواریانس بین کلاسی محاسبه می شود، این روش تنها در حالتی که دو کلاس داشته باشیم بهینه خواهد بود از این رو در این مقاله ساختار سلسله مراتبی برای محاسبه ماتریس نگاشت بهینه پیشنهاد می شود در این روش، هدف بدست آوردن ماتریس نگاشتی است که با نگاشت داده ها به فضای جدید، سبب تمایز بیشتر دسته ها شود. بدین منظور ابتدا با ارائه یک ساختار سلسله مراتبی، مسئله کواریانس بین کلاسی در تحلیل متمایزسازی خطی را بهینه نموده و سپس با محاسبه ماتریس نگاشت وابسته به کلاس، داده ها به فضای جدید نگاشت مییابند. برای ارزیابی این روش از انواع مختلف دسته بند استفاده شده است. نتایج تجربی نشان می دهد که استفاده از این نو پیش پردازش، نرخ دسته بندی افزایش می یابد

Authors

صادق زینلی

عضو هیات علمی گروه کامپیوتر دانشگاه آزاد اسلامی واحد بیرجند

نعیمه گنودی

دانشگاه بیرجند، بیرجند، ایران

احسان عسکریان

دانشگاه فنی و مهندسی قوچان، قوچان، ایران

حسین معین زاده

دانشگاه علم و صنعت ایران، تهران، ایران

مراجع و منابع این Paper:

لیست زیر مراجع و منابع استفاده شده در این Paper 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 Paper لینک شده اند :
  • H.Moeinzadeh, M -M.Mohammad, A.Akbari, B.Nasersharif , _ "Evolu tionary-Class Independent ...
  • H.Moeinzadeh, E.Asgarian, M. Zanjani, A. Rezaee, M. Seidi, "Combination of ...
  • Analysis to Improve Classifica tion", 3" IEEE International Conferance on ...
  • _ _ _ _ Eleventh Conference on Uncertainty _ Artificial ...
  • A.Baraldi, and P.Blonda, _ Survey of Fuzzy Clustering ...
  • L. Davis (Ed.), Handbook of Genetic Algorithms, Van Nostrand Reinhold, ...
  • E. Frank, M. Hall, and B. Pfahringer, "Locally weighted naive ...
  • C. Atkeson, A. Moore, and S Schaal, "Locally Weighted ...
  • Learning ", Artific ialIntelligence Review, vol. 11, pp. 11-73, CVR ...
  • V.G. Kaburlasos, I.N. Athanasiadis and P.A. Mitkas, "Fuzzy ...
  • Reasoning, vol. 45, pp. 152-188, 2007 ...
  • R. Quinlan, "C4, 5: Programs for Machine Learning ", Morgan ...
  • L. Breiman, "Bagging predictors ", Machine Learming, vol. 24, no. ...
  • D. Aha, and D. Kibler, "Instance-based learning algorithms'", C4.5 Machine ...
  • J.C. Dunn, (1974). "Well Separated Clusters and Optimal Fuzzy Partitions", ...
  • _ _ _ _ Lyon, France, 200 0 . ...
  • S.Mika, G.Ratsch, J.Weston, B.Scholkopf, K.R. Muller. "Fisher discrimination analysis with ...
  • http :/archive. ics .uci _ edu/ml/datases .html ...
  • h _ :www. _ .waikatc .ac.nz/mlweka ...
  • R _ O , Duda, P.E.Hart, D Stork, "Pattern classification", ...
  • I.H. Witten, and E. Frank, "Data Mining: Practical Machine Learning ...
  • نمایش کامل مراجع