کاهش ابعاد با استفاده از نگاشت خطی و ایجاد مرز تصمیم غیرکروی برای الگوریتم نزدیکترین همسایه

Publish Year: 1393
نوع سند: مقاله کنفرانسی
زبان: Persian
View: 877

This Paper With 10 Page And PDF Format Ready To Download

  • Certificate
  • من نویسنده این مقاله هستم

استخراج به نرم افزارهای پژوهشی:

لینک ثابت به این Paper:

شناسه ملی سند علمی:

RCEITT01_012

تاریخ نمایه سازی: 11 اردیبهشت 1394

Abstract:

در طول دههی گذشته، پیشرفتهای تکنولوژیکی، رشد انفجاری ابعاد دادهها را به ارمغان آورده است که اغلب بهطور قابلملاحظهای از تعداد دادهها نیز بیشتر است. این مسئله که باعث به وجود آمدن مشکلاتی در یادگیری و دستهبندی دادهها میشود. کاهش ابعادیک گام مهم برای تشتیی الگو و غلهه بر ایم مشکل است. در ایم مقاله روشی پیشنهاد شده است که با استفاده از نگاشت خطی فضای ورودی به فضایی با ابعاد کم تر از فضای ورودی، علاوه بر کاهش بعد، سعی در پیدا کردن فضایی دارد که دادهها در آن تفکیکپذیری بیشتری داشته باشند. برخلاف روشهای پیشین، مرزهای تصمیم در روش پیشنهادشده میتواند غیرکروی نیز باشد.برای این منظور از تابع هدف خطای الگوریتم نزدیکترین همسایه و فاصله ماهالانوبیس استتفاده شده است و هدف کمینه کردن خطای آن میباشد. نتایج به دست آمده نشان از برتری روش پیشنهادی در مقایسه با روشهای فعلی با مرز تصمیم کروی دارد.

Authors

حسین رجب زاده

دانشجوی کارشناسی ارشد هوش مصنوعی، دانشگاه شیراز.

منصور ذوالقدری جهرمی

استاد دانشگاه شیراز

محمد صادق زارع

دانشجوی کارشناسی ارشد هوش مصنوعی، دانشگاه شیراز.

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 :
  • 5ظ20.2 29+2.6 30.9+3.4 17.4=1.1 15.6+2.5 13.3S1.4 9.5+1.2 9.37+1.05 ...
  • .rrorع Villegas, M., & Paredes, R. (2011). Dimens ionality reduction ...
  • Abdi, H., & Williams, L. J. (2010). Principal component analysis. ...
  • 30 3.34 24.13 24.25 44.20 17.00 ...
  • Bellman, R. (1956). Dynamic programming and Lagrange multipliers. Procedings of ...
  • C arreira- Perpinan, M. A. (2001). Continuous latent variable models ...
  • Donoho, D. L. (2000). High -dimensional data analysis: The curses ...
  • Fan, J., & Fan, Y. (2008). High dimensional classification using ...
  • Fodor, I. K. (2002). A survey of dimension reduction techniques. ...
  • Fukunaga, K. (1990). Introduction to statistical pattern recognition. Academic press. ...
  • Kumar, N., & Andreou, A. G. (1996). On generalizations of ...
  • Paliwal, K. K. (1992). Dimensionality reduction of the enhanced feature ...
  • Van der Maaten, L. J. P., E. O. Postma, and ...
  • Verma, N. "Learning From Data With Low Intrinsic Dimension." Doctoral ...
  • Villegas, M., & Paredes, R. (2008, June). Simultaneous learning of ...
  • Weinberger, K. Q., Blitzer, J.. & Saul, L. K. (2005). ...
  • نمایش کامل مراجع