یادگیری ماشینی درخت طبقه بندی در داده کاوی بصورت بلادرنگ

Publish Year: 1389
نوع سند: مقاله کنفرانسی
زبان: Persian
View: 2,381

This Paper With 6 Page And PDF Format Ready To Download

  • Certificate
  • من نویسنده این مقاله هستم

این Paper در بخشهای موضوعی زیر دسته بندی شده است:

استخراج به نرم افزارهای پژوهشی:

لینک ثابت به این Paper:

شناسه ملی سند علمی:

ISCEE13_054

تاریخ نمایه سازی: 14 مرداد 1389

Abstract:

این مقاله یک طبقه بندی کننده جدید ارائه میدهد که از الگوریتم مبتنی بر نزدیک ترین فاصله مجاور الگوی درخت طبقه بندی ترکیب شده است الگوی نزدیک ترین همساه به عنوان الگوریتم پیش پردازش استفاده می شود تا یک پایگاه داده ای آموزش اصلاح شده برای یادگیری بعدی ساختار درخت طبقه بندی به دست آید. هنگامی که نمونه های فرعی مختلف، دارای مجموعه می باشد جای یکسانی برای القای درختان طبقه بندی استفاده می گردد. ساختار طبقه بندی کننده های داخلی خیلی متفاوت است پایداری ساختار درخت در تعدادی زمینه ها نظیر تشخیص بیماری، آشکارسازی کلاه برداری در زمینه های متفاوت آنالیز رفتار مشتری وغیره از اهمیت اصلی برخوردار است که دراین جا ادراک پذیری طبقه کننده لازم و ضروری است.

Keywords:

یادگیری ماشین , طبقه بندی نظارت شده , ترکیب طبقه بندی کننده , الگوریتم بلادرنگ

Authors

محمدرضا دهقانی محمودآبادی

مدرس دانشگاه گروه کامپیوتر دانشگاه آزاد اسلامی واحد میبد

حسن سماورچی

استادیار گروه کامیپوتر

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 :
  • D. Aha, D. Kibler, and M. K. Albert. Instance- based ...
  • C. L. Blake and . J. Merz. UCI repository of ...
  • L. Breiman, J. Friedman, R. Olshen, and C. Stone. Classification ...
  • T. M. Cover and P E. Hart. Nearest neighbor pattern ...
  • R. G. Cowell, A. Ph. Dawid, S. L. Lauritzen, and ...
  • B. V. Dasarathy. Nearest neighbor (nn) norms: Nn pattern recognition ...
  • T. G. Dietterich. Machine learning research: four current directions. AI ...
  • Y. Freund and R. E. Schapire. A short introduction to ...
  • J. Gama. Combining Classification Algorithms. Phd Thesis. University of Porto, ...
  • V. Gunes, M. M enard, and P. Loonis. Combination, cooperation ...
  • T. K. Ho and S. N. Srihati. Decision combination in ...
  • I. Inza, P. Larra naga, R. Etxeberria, and B. Sierra. ...
  • Intelligence, 123(1-2): 157-184, 2000. ...
  • I. Inza, P. Larra naga, and B. Sierra. Feature suubset ...
  • algorithms. International Journal of Approximate Reasoning, 27(2):143-164, 2001. ...
  • R. Kohavi. Scaling up the accuracy of naive- bayes classifiers: ...
  • Y. Lu. Knowledge integration in a multiple classifier System. Applied ...
  • J. K. Martin. An exact probability metric for decision tree ...
  • J. M. Mart 1nez-Otzeta and B. Sierra. Analysis of the ...
  • algorithm. In 6th International Conference On Enterprise Information Systems (ICEIS), ...
  • D. Michie, D. J. Spiegelhalter, and C. C. (eds) Taylor. ...
  • J. Mingers. A comparison of methods of pruning induced rule ...
  • نمایش کامل مراجع