| دانلود رایگان مقاله انگلیسی + خرید ترجمه فارسی
|
|
| عنوان فارسی مقاله: |
یادگیری چندبرچسبی ترارسانیک از طريق انتشار مجموعه برچسب |
| عنوان انگلیسی مقاله: |
Transductive Multi-Label Learning via Label Set Propagation |
|
|
| مشخصات مقاله انگلیسی (PDF) | |
| سال انتشار | 2013 |
| تعداد صفحات مقاله انگلیسی | 14صفحه با فرمت pdf |
| رشته های مرتبط با این مقاله | کامپیوتر |
| گرایش های مرتبط با این مقاله | هوش مصنوعی و رایانش ابری |
| مجله | یافته ها در حوزه دانش و مهندسی داده ها – Transactions on Knowledge and Data Engineering |
| دانشگاه | آزمایشگاه ملی فناوری نرم افزار نوین، دانشگاه نانجینگ، چین |
| کلمات کلیدی | داده کاوی، یادگیری ماشینی، یادگیری چند برچسبی، یادگیری انتقالی، یادگیری نیمه نظارت شده، داده های بدون برچسب |
| شناسه شاپا یا ISSN | ISSN 1041-4347 |
| رفرنس | دارد |
| لینک مقاله در سایت مرجع | لینک این مقاله در سایت IEEE |
| نشریه آی تریپل ای |  |
| مشخصات و وضعیت ترجمه فارسی این مقاله (Word) | |
| تعداد صفحات ترجمه تایپ شده با فرمت ورد با قابلیت ویرایش و فونت 14 B Nazanin | 29صفحه |
| ترجمه عناوین تصاویر و جداول | ترجمه شده است |
| ترجمه متون داخل تصاویر | ترجمه شده است |
| ترجمه متون داخل جداول | ترجمه شده است |
| پاورقی | ترجمه نشده است |
| درج تصاویر در فایل ترجمه | درج شده است |
| درج جداول در فایل ترجمه | درج شده است |
| درج فرمولها و محاسبات در فایل ترجمه به صورت عکس | درج شده است |
| منابع داخل متن | به صورت عدد درج شده است |
- فهرست مطالب:
چکیده
مقدمه
2- مرور منابع
A: طبقه بندی چند برچسبی
B: یادگیری انتقالی
3- بیان مسئله
A: طبقه بندی چند برچسبی انتقالی
B: ایده اصلی
C: بهینه سازی
D: راه حل فرم بسته
4- پیش بینی مجموعه برچسب
A: پیش بینی مجموعه برچسب نظارت شده از طریق رگرسیون خطی
B: پیش بینی مجموعه برچسب انتقالی
5- پیچیدگی محاسباتی
6- آزمایشات
A-معیار های ارزیابی
B-کاربرد در حاشیه نویسی تصویر خودکار
C- استفاده از تحلیل کارکردی ژن مخمر
D-کاربرد به طبقه بندی صفحه وب خودکار
E- کاربرد به طبقه بندی متن
F-کاربرد به طبقه بندی عرصه طبیعی
G- اثر پارامتر ها
7- نتیجه گیری
- بخشی از ترجمه:
7- نتیجه گیری
در این مقاله، TRAM به عنوان یک روش طبقه بندی چند برچسبی انتقالی توسط انتقال مجموعه برچسب پیشنهاد شد. در ابتدا، یک کار به صورت مسئله بهینه سازی ارایه شده است که امکان استفاده از داده های بدون برچسب را برای دست یابی به مدل موثر برای تعیین برچسب های مناسب چند گانه به نمونه ها، فراهم می کند. ، یک الکوریتم کارامد دارای راه حل فرم بسته برای این مسئله بهینه سازی است. مطالعات ازمایشی در خصوص طیف وسیعی از کار های واقعی نشان می دهد که روش TRAM به طور موثر موجب افزایش عملکرد طبقه بندی چند برچسبی با استفاده از داده های بدون برچسب علاوه بر داده های با برچسب می شود.
- بخشی از مقاله انگلیسی:
VII. CONCLUSION
In this paper, we propose TRAM, a transductive multi-label classification method by label set propagation. At first, we formulate the task as an optimization problem which is able to exploit unlabeled data to obtain an effective model for assigning appropriate multiple labels to instances. Then, we develop an efficient algorithm which has a closed-form solution for this optimization problem. Empirical studies on a broad range of real-world tasks demonstrate that our TRAM method can effectively boost the performance of multi-label classification by using unlabeled data in addition to labeled data.
|
تصویری از مقاله ترجمه و تایپ شده در نرم افزار ورد |
|
|
| دانلود رایگان مقاله انگلیسی + خرید ترجمه فارسی
|
|
| عنوان فارسی مقاله: |
یادگیری چندبرچسبی ترارسانیک از طريق انتشار مجموعه برچسب |
| عنوان انگلیسی مقاله: |
Transductive Multi-Label Learning via Label Set Propagation |
|
|
خرید ترجمه فارسی مقاله با فرمت ورد