بهزاد فرهپور - آزاد اسلامی، واحد قزوین، دانشکده مهندسی برق، پزشکی و مکاترونیک، قزوین، ایران
امید سجودی شیجانی - آزاد اسلامی، واحد قزوین، دانشکده مهندسی برق، پزشکی و مکاترونیک، قزوین، ایران

یادگیری نیمه نظارتی در سال های اخیر توجه بسیاری از پژوهشگران را به خود جلب نموده است. در یادگیری نیمه نظارتی ، نمونه های بدون برچسب به مجموعه آموزشی اضافه میشوند تا عملکرد طبقه بندی بهبود یابد، با این حال برچسب گذاری های اشتباه و نویزها نیز به طور همزمان معرفی میشوند که باید ویرایش یا حذف شوند، به منظور کاهش تاثیرات منفی، روش ویرایش نمودن داده های متعلق به نزدیکترین همسایگی با برچسب گذاری چندگانه و مفاهیم تجمع و تبخیر فرمون مربوط به کلونی مورچگان معرفی میشود و بنابراین الگوریتمی بنام خود آموزی با برچسب گذاری چندگانه الهام گرفته از طبیعت (Bio inspired multi label self training edit) به همراه ویرایش (BMSE) در این پژوهش ارایه می گردد. الگوریتم ارایه شده میتواند بخشی از مشکل عدم قطعیت در طبقه بندی نیمه نظارتی با برچسب گذاری چندگانه را حل نماید و این کار را با بهبود وضعیت برچسب ها و انتخاب نمونه های مطمین در طول فرآیند یادگیری نیمه نظارتی انجام می دهد.

یادگیری نیمه نظارتی ، خودآموزی ، برچسب گذاری چندگانه ، تجمع و تبخیر فرمون