بهبود طبقه بندی با استفاده از فاصله توزیع و الگوهای مرزی

علی یعقوبی; محسن کرامتی شهری

بهبود طبقه بندی با استفاده از فاصله توزیع و الگوهای مرزی

Publish place: 7th iranian conference on electrical and electronic engineering

Publish Year: 1394

Type: Conference paper

Language: Persian

This Paper With 8 Page And PDF Format Ready To Download

DOWNLOAD Paper

Certificate
I'm the author of the paper

Export:

Link to this Paper:

https://civilica.com/doc/459128

Document National Code:

ICEEE07_144

Index date: 8 May 2016

بهبود طبقه بندی با استفاده از فاصله توزیع و الگوهای مرزی abstract

مهمترین گام در تشخیص الگوی آماری، طبقه بندی الگو ها می باشد. یکی از روش هایی که در این زمینه مطرح است, آنالیز تفکیک کننده خطی می باشد. این روش با استفاده از اطلاعات تفکیک کننده ای موجود در بین الگو ها ،اقدام به طبقه بندی الگو ها می نماید. تفکیک کننده، برای انجام این کار از اطلاعات تفکیک کننده موجود بین میانگین کلاس ها استفاده می کند. این تفکیک کننده با استفاده از فاصله ی توزیع ,از اطلاعات تفکیک کننده موجود بین ماتریس کواریانس کلاس ها نیز بهره می برد تا با انجام این کار آنالیز تفکیک کننده به حالت ناهمگن آن گسترش پیدا می کند. در این مقاله ما قصد داریم که با استفاده از الگوریتمی جدید ، الگو های مرزی و غیر مرزی را از یکدیگر جدا کرده و ماتریس های پراکندگی مورد استفاده در آنالیز تفکیک کننده ی خطی ناهمگن را بر اساس این الگو ها بسازیم. استفاده از این ماتریس های پراکندگی باعث کاهش همپوشانی بین کلاسی می شود که افزایش نرخ طبقه بندی را به بدنبال دارد. آزمایشات انجام شده در این مقاله بهبود نرخ طبقه بندی را نسبت به سایر الگوریتم ها بیان می کند.

بهبود طبقه بندی با استفاده از فاصله توزیع و الگوهای مرزی Keywords:

الگوریتم - CBP , آنالیز تفکیک کننده ی , خطی , , فاصله ی چرنوف , معیار چرنوف , معیار فیشر , نمونه هایمرزی و غیر مرزی

بهبود طبقه بندی با استفاده از فاصله توزیع و الگوهای مرزی authors

علی یعقوبی

کارشناسی ارشد مهندسی نرم افزار موسسه آموزش عالی پارس رضوی شهرستان گناباد

محسن کرامتی شهری

دانشگاه آزاد اسلامی واحد مشهد

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 :

Statical pattern recognation 3 ethishen. ...

Fisher, R. A. (1936). The use of multiple measuremens _ ...

Rao, C. R. (1948). The utilization of multiple measuremens ...

K. Fukunaga, Introduction to Statistical Patterm Recognition. New York: Academic ...

A.K. Jain, R.P.W. Duin, and .I. Mao, "Statistical Pattern Recogition: ...

M. Loog, R.P.W. Duin, Linear dimensionality reduction via a heteroscedaste ...

_ _ Pattern Recognition 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 Heteroscedastc Linear Dimension Reduction ...

Safayani, M., & Shalmani, M. T. M. (2012). Two- Dimensional ...

Qin, A. K., Suganthan, P. N, & Loog, M. (2005). ...

_ _ _ _ _ _ the Fisher Criterion.Delfl Univ. ...

Na JH, Park MS, Choi JY (2010) linear boundary di ...

_ S _ 0 _ _ Computation, 19(3), 816-855 ...

Na JH, Park MS, Choi JY (2010) linear boundary ...

_ _ _ instance-based learning algorithms, Mach. Learning 38 ...

_ Advances _ ...

_ _ _ _ IEEE Trans. _ ...

B. Smyth, M.T. Keane, Remembering to forget, in: Proceeding of ...

_ _ of multimodl 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 _ _ ...

C. Chapelle, V. Vapnik, O. Bousquet, S. Mukherjee, _ _ ...

_ _ _ on Data Mining, 2003, pp. 589-592 ...

R. Kohavi, A study _ cross-validation and bootstrap for accuracy ...

نمایش کامل مراجع