1- دانشگاه تربیت مدرس
چکیده: (9530 مشاهده)
سیستمهای دستهبندی شورایی، رویکردی مؤثر در یادگیری ماشین است که در آن با ترکیب نتایج چند دستهبند سعی میشود تقریب بهتری از یک دستهبند بهینه فراهم شود. در حوزه ترکیب خروجی شورای دستهبندها، رویکرد «انتخاب دستهبند» توجه کمتری را در مقایسه با رویکرد «ادغام دستهبند» به خود جلب کرده است. همچنین، اغلب روشهای موجود در این حوزه، هزینه محاسباتی بالایی دارند. در این مقاله، روشی مؤثر در دسته بندی مسائل چنددستهای بر اساس رویکرد انتخاب ویژگی پیشنهاد شده است. روش پیشنهادی ابتدا با استفاده از 14 مجموعه داده تراز از پایگاه UCI آزمون شده و پس از اثبات توانایی آن، برای شناسایی رایحههای سه نوع شیرینبیان به کار گرفته شده است. مقایسه نتایج روش پیشنهادی و روشهای دیگر سیستمهای شورایی بر اساس دو معیار صحّت شناسایی و زمان محاسباتی، کارایی بهتر روش را در دسته بندی مسائل چنددستهای نشان میدهد.
نوع مطالعه:
پژوهشي |
موضوع مقاله:
تخصصي دریافت: 1393/3/24 | پذیرش: 1393/3/24 | انتشار: 1393/3/24