فا   |   En
ورود به سایت
مشاهده‌ مشخصات مقاله

ارائه طبقه‌بند مبتنی بر فاصله و تعمیم آن براساس تابع هسته

نویسنده (ها)
  • رضا منصفی
  • هادی صدوقی یزدی
مربوط به کنفرانس شانزدهمین کنفرانس ملی سالانه انجمن کامپیوتر ایران ‫
چکیده در اين مقاله روشی جدید جهت طبقه‌بندی براساس سطح تصمیم مبتنی بر فاصله، با رویکرد تصویر نزدیک‌ترین همسایه ارائه شده است. روش جدید DBC نام‌گذاری شده است. طبقه‌بند DBC طبقه‌بندی خطی است که تعمیم آن براساس تابع هسته می‌تواند جهت طبقه‌بندی داده‌های جداناپذیر خطی استفاده شود. ویژگی‌های طبقه‌بند DBC عبارتند از: 1 ) مشابه طبقه‌بند k-NN، نیازی به مرحله تعلیم ندارد 2) علی‌رغم طبقه‌بند k-NN، درمرحله آزمایش نیازی به جستجو برای یافتن k همسایه نزدیک ندارد 3) علی‌رغم روش‌هایی مانند SVM، نیازی به رویه بهینه‌سازی ندارد. در طبقه‌بند DBC، برای طبقه‌بندی نمونه ورودی (آزمایشی)، مجموع وزن‌دار فاصله نمونه ورودی با داده‌های تعلیمی هر طبقه محاسبه می‌گردد، سپس برچسب نمونه ورودی براساس طبقه‌ای که کمترین فاصله فوق را دارا باشد، تعیین می‌گردد. با به‌کارگیری چنین قاعده‌ای، یک سطح تصمیم جهت جداسازی نمونه‌های دو طبقه به‌دست می‌آید. طبقه‌بند DBC را برروی داده‌های واقعی آزمایش کرده‌ایم. نتایج آزمایش‌ها، برتری روش DBC را نسبت به طبقه‌بندهای k-NN و SVM نشان می‌دهد.
قیمت
  • برای اعضای سایت : ۱٠٠,٠٠٠ ریال
  • برای دانشجویان عضو انجمن : ۲٠,٠٠٠ ریال
  • برای اعضای عادی انجمن : ۴٠,٠٠٠ ریال

خرید مقاله