ورود
مقالات فارسیISIکنفرانسهاژورنالها

بهبود طبقه بند خطی با استفاده از فاصله توزیع و الگوریتم CBP

Publish place: 2nd International Conference on Pattern Recognition and Image Analysis (icpria02)
Publish Year: 1393
نوع سند: مقاله کنفرانسی
زبان: Persian
View: 912

This Paper With 8 Page And PDF Format Ready To Download

  • Certificate
  • من نویسنده این مقاله هستم

استخراج به نرم افزارهای پژوهشی:

لینک ثابت به این Paper:
https://civilica.com/doc/373442

شناسه ملی سند علمی:

IPRIA02_018

تاریخ نمایه سازی: 28 شهریور 1394

Abstract:

مهمترین گام در تشخیص الگو آماری، طبقه بندی الگوها می باشد. یکی از روش هایی که در این زمینه مطرح است آنالیز تفکیک کننده خطی می باشد که این روش با استفاده از اطلاعات تفکیک کننده موجود در بین الگوها، اقدام به طبقه بندی می کند. این تفکیک کننده از اطلاعات تفکیک کننده موجود بین ماتریس کواریانس کلاس ها نیز بهره می برد. با انجام این کار آنالیز تفکیک کننده به حالت ناهمگن آن گسترش پیدا می کند. در این مقاله قصد داریم که با استفاده از الگوریتم جدیدی، الگوهای مرزی و غیرمرزی را از یک دیگر جدا کرده و ماتریس های پراکندگی مورد استفاده در آنالیز تفکیک کننده خطی ناهمگن را بر اساس این الگوها بسازیم. استفاده از این ماتریس های پراکندگی باعث کاهش همپوشانی بین کلاسی می شوند که افزایش نرخ طبقه بندی را به دنبال دارد. آزمایشات انجام شده در این مقاله بهبود نرخ طبقه بندی را نتیجه می دهد.

Keywords:

الگوریتم CBP , آنالیز تفکیک کننده خطی , فاصله پرنوف , معیار پرنوف , معیار فیشر , نمونه های مرزی و غیرمرزی

Authors

علی یعقوبی

کارشناسی ارشد مهندسی نرم افزار، دانشگاه آزاد فردوس

زهرا طاهری

کارشناس ارشد علوم کامپیوتر، دانشگاه صنعتی امیرکبیر (پلی تکنیک تهران)

حمیدرضا غفاری

دکترای مهندسی نرم افزار، عضو هیئت علمی دانشگاه آزاد فردوس

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 :
  • Fisher, R. A. (1936). The use of multiple measuremens in ...
  • Rao, C. R. (1948). The utilization of multiple measuremens ...
  • P.A. Deviver and J. Kittler, Pattern Recognition: A Statistical Approach ...
  • K. Fu kunag a, Introduction to Statistical Patter Recognition. New ...
  • A.K. Jain, R.P.W. Duin, and J. Mao, "Statistical Pattern Recogition: ...
  • _ _ _ al ...
  • M. Loog, R.P.W. Duin, Linear dimensionality reduction via a heteroscedasto ...
  • _ _ Patterm Recognitio. New York: Academic Press, 1990 ...
  • non-interactive heterosedastic linear dimention reduction for two class data ...
  • Linear Dimension Reduction: Generalisations of the Fisher Criterion, Number 44 ...
  • M. Loog and R.P.W. Duin, "Non-Iterative Heteroscedaste Linear Dimension Reduction ...
  • Safayani, M., & Shalmani, M. T. M. (2012). Two- Dimensional ...
  • Qin, A. K., Suganthan, P. N, & Loog, M. (2005). ...
  • _ _ _ _ _ _ the Fisher Criterion.Delf Univ. ...
  • Na JH, Park MS, Choi JY (2010) Linear boundary ...
  • _ _ Computation, 19(3), 816-855 ...
  • Na JH, Park MS, Choi JY (2010) Linear boundary ...
  • _ _ _ _ 1). A algorithm for ...
  • _ _ _ instance-based learning algorithms, Mach. Learning 38 ...
  • _ Advances _ instance-based learning algorithms, Data Mining ...
  • _ _ nearest neighbor rules using edited data, IEEE Trans. ...
  • _ _ of multimodt labeled data by local fisher discriminant ...
  • D.J. Newman, S. Hettich, C.L. Blake, C.J. Merz, UCI _ ...
  • E.L. Allwein, R.E. Schapire, Y. Singer, Reducing multiclass _ _ ...
  • _ _ _ Joint Conference on Artificial Intelligence, 1995, pp. ...
    • نمایش کامل مراجع