مشاهده مشخصات مقاله
بهبوديافته معیار چيرنف در طبقه‌بندي داده‌ها
|
نویسنده (ها) |
|
|
مربوط به کنفرانس |
بیستمین کنفرانس ملی سالانه انجمن کامپیوتر ایران |
|
چکیده |
استخراج ویژگی، یکی از مراحل مهم پیش پردازش است. با این هدف که داده‌های با ابعاد بالا را به داده‌های با ابعاد پایین تبدیل کنیم. آنالیز طبقه‌بند خطی از متداول‌ترین روشهای استخراج ویژگی خطی است. یکی از مشکلات این معیار، در مقابله با داده‌های ناهمگن است، كه برای رفع این مشكل، معیار چيرنف پیشنهاد شد. این معیار به دنبال یک ترکیب خطی است تا فاصله چيرنف بین دو توزیع را به حداکثر برساند. در این مقاله، ماتریس‌های پراکندگی جدید، براساس موقعیت قرار‌گيري نمونه‌ها تعریف شده است،که موجب جلوگیری ازتاثیرپذیری معیارچيرنف از جفت کلاسی که در فضای واقعی دور هستند، شده و نرخ کارایی طبقه‌بندی چيرنف را بهبود می‌بخشد. عملکرد روش پیشنهادی برروی داده‌های واقعی برگرفته شده از پایگاه داده‌های UCI توسط روش اعتبارسنجی ضربدری 10 Fold Cross Validation، ارزیابی شده است، نتایج آزمایش‌ها نشان‌دهنده برتری روش پیشنهادی نسبت به روشهای مرز دانش می‌باشد. |
|
قیمت |
-
برای اعضای سایت : ۱٠٠,٠٠٠ ریال
-
برای دانشجویان عضو انجمن : ۲٠,٠٠٠ ریال
-
برای اعضای عادی انجمن : ۴٠,٠٠٠ ریال
|
خرید مقاله
|
|
.gif){kind=icon}