ترکیب الگوریتم نزدیک ترین همسایه و IVM برای طبقه بندی چند برچسبی
Publish Year: 1395
Type: Conference paper
Language: Persian
View: 554
- Certificate
- I'm the author of the paper
این Paper در بخشهای موضوعی زیر دسته بندی شده است:
Export:
Document National Code:
COMCONF03_175
Index date: 26 April 2017
ترکیب الگوریتم نزدیک ترین همسایه و IVM برای طبقه بندی چند برچسبی abstract
یک دسته از الگوریتم های یادگیری در علم داده کاوی، یادگیری برپایه ناظر است. این نوع از یادگیری به یافتن الگوریتم هایی می پردازد که از طریق نمونه های ذخیره شده در مجموعه داده آموزشی، مدل هایی ایجاد می کنند. این مدل ها می توانند کلاس نمونه های جدید را پیشگویی نمایند. نوعی از مجموعه داده آموزشی که امروزه اهمیت و توسعه بسیاری پیدا کرده است، مجموعه داده چند برچسبی می باشد. هر نمونه در مجموعه داده چند برچسبی، می تواند به مجموعه ای از کلاس ها تعلق داشته باشد. در مقابل این نوع، مجموعه داده تک برچسبی وجود دارد که هر نمونه از آن تنها به یک کلاس تعلق دارد. در این مقاله به ارایه الگوریتمی برای طبقه بندی چند برچسبی می پردازیم که ترکیب الگوریتم نزدیک ترین همسایه و IVM ایجاد شده است. الگوریتم پیشنهادی در تولید طبقه بندی کننده ها می تواند وابستگی بین برچسب ها را در نظر بگیرد.
ترکیب الگوریتم نزدیک ترین همسایه و IVM برای طبقه بندی چند برچسبی Keywords:
داده کاوی , مجموعه داده چند برچسبی , الگوریتم طبقه بندی کننده چند برچسبی , الگوریتم نزدیک ترین همسایه , الگوریتم IVM
ترکیب الگوریتم نزدیک ترین همسایه و IVM برای طبقه بندی چند برچسبی authors
فاطمه شمس عزت
عضو هیات علمی دانشکده ریاضی و کامپیوتر، رشته علوم کامپیوتر، دانشگاه فسا
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 :