روش جدید طبقه بندی خودفراگیر نیمه نظارتی بر مبنای تئوری مجموعه فازی ناهموار
Publish place: Conference on Computer Engineering and Sustainable Development with a focus on computer networking, modeling and systems security
Publish Year: 1392
نوع سند: مقاله کنفرانسی
زبان: Persian
View: 1,828
This Paper With 7 Page And PDF Format Ready To Download
- Certificate
- من نویسنده این مقاله هستم
استخراج به نرم افزارهای پژوهشی:
شناسه ملی سند علمی:
CESD01_202
تاریخ نمایه سازی: 25 اسفند 1392
Abstract:
اکثر کارهای انجام گرفته با رویکرد فازی - ناهموار در زمینه یادگیری نظارتی بوده است در حالی که تعداد کمی از آنها برای یادگیری نیمه نظارتی و یا بدون نظارت انجام گرفته اند در بسیاری از موارد، اغلب به دست آوردن برچسب برای تمام نمونه ها، کاری دشوار، پرهزینه و زمان بر است. از آنجایی که یادگیری نیمه نظارتی با وجود تعداد محدود داده برچسب دار دو استفاده از تعداد زیادی از داده های بدون برچسب، دسته بندی بهتری ایجاد می کند، از اینرو در این مقاله به معرفی الگوریتم جدید طبقه بندی خود فراگیر با خود آموز نیمه نظارتی بر مبنای تئوری فازی - ناهموار، در جهت تخصیص برچسب به داده های بدون برچسب می پردازیم. روش پیشنهادی برخلاف بسیاری از روش های موجود نیاز به هیچ حد آستانه قابل تنظیمی توسط کاربر ندارد و نتایج تجربی به دست آمده نشان دهنده کارایی بالاتر این روش نسبت به سایر روش های مقایسه شده است.
Keywords:
Authors
فاطمه عارفیان
دانشجوی هوش مصنوعی، دانشگاه شهید باهنر، کرمان
مهدی افتخاری
دکتری هوشی مصنوعی، عضو هیئت علمی دانشگاه شهید باهنر کرمان
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 :