-
رده بندی ترکیبی با استفاده از مفهوم فازی
-
- تاریخ انتشار 1397/07/25
- تعداد صفحات 5
- زبان مقاله فارسی
- حجم فایل 313 کیلو بایت
- تعداد مشاهده چکیده 472
- قیمت 29,000 تومان
- تخفیف 0 تومان
- قیمت با احتساب تخفیف: 29,000 تومان
- قیمت برای کاربران عضو سایت: 23,200 تومان
- محل انتشار دومین همایش ملی مهندسی رایانه ومدیریت فناوری اطلاعات
-
نویسندگان مقاله
- علی نوذری دانشجوی کارشناسی ارشد، گروه مهندسی کامپیوتر، گرایش هوش مصنوعی، دانشگاه صنعتی مالک اشتر، تهران.
- مریم حورعلی استادیار، گروه مهندسی کامپیوتر، دانشگاه صنعتی مالک اشتر، تهران
- سیامک هاشمی دانشجوی کارشناسی ارشد، گروه مهندسی کامپیوتر، گرایش هوش مصنوعی، دانشگاه صنعتی مالک اشتر، تهران
-
چکیده مقاله
در سالهای اولیه پیدایش شناسایی الگو، روشهای زیادی ارایه شدند که هر کدام دارای ضعفها وقوتهای خاص خودشان بودند شبکه عصبی ترکیبی، در جایی که تعدادی شبکه عصبی با هم در حل یک مساله استفاده شوند، یک الگوی آموزشی است.. امروزه این سیستمهای تشخیص در کاربردهای متعددی استفاده میشود. در عمل، ممکن است. کاربردهایی وجود داشته باشد که هر رده- بند به تنهایی نتواند آنها را در دقت. قابل قبول حل کند. سپس در سالهای اخیر، روشهای ترکیبی ارایه شدند. در این مقاله از ترکیب ردهبندها استفاده شده است.. ما یک روش ترکیبی با استفاده از مفهوم فازی ارائه میدهیم. برای ساخت. این مدل ترکیبی ازرویکرد ترکیب وزندار ردهبندهای پایه که براساس رایگیری است. استفاده میکنیم. ایده اصلی این مدل ترکیبی الهام از آن است. که قابلیت. اعتماد رایهای هر ردهبند به طور یکسان بین فضای حال. توزیع نشده است.. به کمک یافتن نزدیکترین همسایههای یک داده دلخواه ورودی، میزان اعتماد هر یک از مدلهای پایه در مورد آن داده به دست. میآید. در گام بعد از این میزان اعتمادها به عنوان وزن مشارکت. آن ردهبند پایه استفاده میشود. مجموعه دادههای مورد استفاده در این آزمایش سه مجموعه داده استاندارد از سای. یادگیری ماشین به نامهای Ionosphere و Iris ،Wineبوده است.. این مدل ترکیبی از بهترین ردهبند پایه به ترتیب به میزان5.59و1.56و1.91درصد بهترعمل می کند
-
کلید واژه
ردهبندی ترکیبی/ میزان اعتماد/ رأی اکثری/ وزندار/ ردهبندی ترکیبی فازی
-
راهنمای خرید و دانلود
- اگر در مجموعه Confpaper عضو نیستید، به راحتی می توانید از طریق دکمه زیر اصل این مقاله را خریداری نمایید .
- با عضویت در Confpaper می توانید اصل مقالات را با حداقل 20 درصد تخفیف دریافت نمایید .
- برای عضویت به صفحه ثبت نام مراجعه نمایید .
- در صورتی که عضو این پایگاه هستید،از قسمت بالای صفحه با نام کاربری خود وارد سایت شوید .
- لینک دانلود فایل خریداری شده به ایمیل شما ارسال میگردد .
نظرات کاربران
برای ارسال نظر، لطفا وارد حساب کاربری خود شوید.