بهبود دقت دسته بندی داده های چند برچسبی با استفاده از رابطه فازی کلاسیک در بهینه ساز کلونی مورچه ها
Publish place: Journal of Fuzzy Systems and Applications، Vol: 7، Issue: 2
Publish Year: 1403
Type: Journal paper
Language: Persian
View: 69
This Paper With 23 Page And PDF Format Ready To Download
- Certificate
- I'm the author of the paper
Export:
Document National Code:
JR_JFSA-7-2_005
Index date: 1 February 2025
بهبود دقت دسته بندی داده های چند برچسبی با استفاده از رابطه فازی کلاسیک در بهینه ساز کلونی مورچه ها abstract
در این مقاله یک رویکرد جدید برای بهبود دقت طبقه بندی داده های چند برچسبی با استفاده از منطق فازی رابطه کلاسیک در چارچوب الگوریتم بهینه ساز کلونی مورچه ها مبتنی بر یادگیری تقویتی پیشنهاد شده است. افزایش کاربرد داده های چند برچسبی در حوزه های مختلف، نیاز به روش هایی موثر برای افزایش دقت طبقه بندی را ضروری می سازد. در این روش رابطه کلاسیک منطق فازی با الگوریتم بهینه ساز کلونی مورچه ها مبتنی بر یادگیری تقویتی ادغام شده است تا توانایی آن را برای مدیریت روابط پیچیده ذاتی در مجموعه داده های چند برچسبی افزایش دهد. علاوه بر این، از ترکیب تکنیک های انتخاب ویژگی و الگوریتم بهینه ساز کلونی مورچه ها مبتنی بر یادگیری تقویتی برای شناسایی و استفاده از مرتبط ترین ویژگی ها بهره گرفته شده است که در نتیجه باعث کاهش ابعاد و بهبود کارایی محاسباتی مدل شده است. از طریق آزمایش های گسترده بر روی مجموعه داده های استاندارد، اثربخشی این رویکرد در دستیابی به دقت بهتر در مقایسه با روش های رقیب نشان داده شده است. چارچوب پیشنهادی نه تنها عملکرد طبقه بندی را افزایش داده است، بلکه بینش هایی در مورد تفسیرپذیری تصمیم های طبقه بندی ارائه می دهد، که به پیشرفت روش های طبقه بندی داده های چند برچسبی کمک می کند.
بهبود دقت دسته بندی داده های چند برچسبی با استفاده از رابطه فازی کلاسیک در بهینه ساز کلونی مورچه ها Keywords:
بهبود دقت دسته بندی داده های چند برچسبی با استفاده از رابطه فازی کلاسیک در بهینه ساز کلونی مورچه ها authors
وحید مهرداد
گروه مهندسی برق، دانشگاه لرستان، خرم آباد، ایران
سحر شمس بیرانوند
گروه مهندسی برق، دانشگاه لرستان، خرم آباد، ایران
محمدباقر دولتشاهی
گروه مهندسی برق، دانشگاه لرستان، خرم آباد، 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 :
