کاربرد ترکیب طبقه بندها در طبقه بندی مسائل پیچیده
Publish place: 9th Iranian Student Conference on Electrical Engineering
Publish Year: 1385
نوع سند: مقاله کنفرانسی
زبان: Persian
View: 2,601
This Paper With 6 Page And PDF Format Ready To Download
- Certificate
- من نویسنده این مقاله هستم
استخراج به نرم افزارهای پژوهشی:
شناسه ملی سند علمی:
ISCEE09_006
تاریخ نمایه سازی: 13 اسفند 1386
Abstract:
برای افزایش دقت طبقه بندی مسائل پیچیده، می توان از ترکیب طبقه بندهایی استفاده کرد که از یک الگوریتم یادگیری، ولی با پیچیدگی هاو پارامترهای متفاوت بهره می گیرند. در این مقاله از مجموعه داده های ELENA مجموعه داده تصاویر ماهواره استفاده شده است که به دلیل بالا بودن بعد بردار ویژگی ها، کاهش افزودنگی اطلاعات توسط روش تحلیل مولفه های اصلی صورت گرفته است. از مجموعه داده تصاویر ماهواره، بردارهای ویژگی با 8200 مولفه استخراج می شود و سپس به روش تحلیل مولفه های اصلی، 36 مولفه اول آن انتخاب شده و به سه شبکه عصبی پرسپترون با تعداد نرونهای متفاوت در لایه مخفی و وزنهای اولیه متفاوت اعمال شده و طبقه بندی اولیه صورت می گیرد. در مرحله بعد، نتایج طبقه بندی این سه طبقه بند، به یک شبکه عصبی پرسپترون بایک لایه مخفی به عنوان ترکیب کننده اعمال میشود. نرخ شناسایی شبکه های عصبی پایه 86/66% , 86/48%, 83/ 86% و برای سیستم ترکیبی آنها 88/413% است.
Keywords:
Authors
رضا ابراهیم پور
مدرس گروه الکتر
نیما حاتمی
دانشجوی کارشناسی الکترونیک، دانشگاه شهید رجایی
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 :