| عنوان فارسی مقاله: | انتخاب بهینه دسته بندهای تجمعی با استفاده از معیارهای مهارت و تنوع دسته بندهای پایه |
| عنوان انگلیسی مقاله: | Optimal selection of ensemble classifiers using measures of competence and diversity of base classifiers |
| سال انتشار | 2013 |
| تعداد صفحات مقاله انگلیسی | 7 صفحه |
| تعداد صفحات ترجمه مقاله | 20 صفحه |
| مجله | سیستم و شبکه های کامپیوتری |
| دانشگاه | لهستان |
| کلمات کلیدی | انتخاب دسته جمعی پویا- مهارت دسته بند- معیار تنوع- آنیلینگ شبیه سازی شده |
| نشریه الزویر | Elsevier |
فهرست مطالب:
چکیده
۱ مقدمه
۲ چارچوب نظری
۱ ۲ مقدمات
۲ ۲ دسته بند مرجع تصادفی – RRC
۳ ۲ مهیار مهارت دسته بند
۴ ۲ معیار تنوع مجموعه دسته بندها
۳ سیستم های انتخاب دسته جمعی پویا
۱ ۳ سیستم DES-CD d-opt
۲ ۳ سیستم DES-CD c-opt
۳ ۳ حل مسائل بهینه سازی
۴ آزمایشات
۱ ۴ پایگاههای داده و راه اندازی آزمایش
۲ ۴ آزمایش ۱
۳ ۴ آزمایش ۲
۴ ۴ نتایج و بحث
۵ نتیجه گیری
بخشی از ترجمه:
مقدمه
در حال حاضر، در شناسایی و دسته بندی، سیستم های MCS به شکلی بسیار قوی توسعه یافته اند که علت این امر آن است که کمیته ای موسوم به کمیته دسته جمعی برتر از اعضایش عمل می کند. به خوبی مشخص شده است که یکی از مهمترین مراحل در طراحی MCS ، انتخاب دسته جمعی و دیگری ترکیب پاسخهای آنها می باشد. در حال حاضر، MCS هایی که از طرح های انتخاب دسته جمعی پویا (DES) استفاده می کنند، شهرت زیادی کسب کرده اند. روش DES به خاطر بردار ویژگی اش بر مبنای انتخاب پویای دسته بندها عمل کرده و از آن برای دسته بندی استفاده می شود. به عبارت دیگر، MCS بسته به ویژگیهای توصیف کننده شی، هر بار یک مجموعه جدید ( شیوه پویا نامیده می شود) برای هر شی تشخیص و بازشناسی انتخاب می کند. اکثر طرح های DES از مفهوم مهارت دسته بند در مورد همسایگی یا منطقه تعریف شده مثلاً تخمین صحت محلی، معیار اطمینان بیز، رفتار دسته بند چند گانه یا مدل احتمالی استفاده می کنند.
5. نتیجه گیری
در این مطالعه روشی جدید برای انتخاب دسته جمعی (تجمعی) پویا با استفاده از معیارهای احتمالی مهارت و تنوع دسته بندهای عضو پیشنهاد شده است. این معیارها براساس مفهوم اصلی دسته بندمرجع تصادفی (RRC) محاسبه شده اند. RRC به طور متوسط مثل یک دسته بند ارزیابی شده عمل کرده و به همین خاطر احتمال دسته بندی درست آن را می توان به عنوان مهارت آن دسته بند در نظر گرفت واز احتمال دسته بندی نادرست می توان برای اندازه گیری تنوع تجمعی استفاده نمود.
نتایج پژوهشهای آزمایشی نشان می دهد که روش پیشنهاد شده می تواند دسته بندهای ضعیف را حذف و مجموعه را در حالت متنوع نگه دارد. این شیوه به سیستم DES منجر می گردد که برای آن صحت دسته بندی ( برای 7 مجموعه داده محک بدون توجه به تیپ مجموعه بکاررفته) بهتر از صحت دسته بندی سیستم DES فقط با استفاده از معیار مهارت بوده یا به طور متوسط به این صحت بسیار نزدیک است اما به وسیله تعداد کوچکتری از دسته بندها در مجموعه حاصل گردیده است.
بنا به نظر و بر طبق سطح دانش و آگاهی مولفین، شیوه پیشنهاد شده برای ساخت سیستم DES ، اولین روشی است که به طور همزمان از مهارت دسته بندهای پایه و معیار تنوع یک مجموعه استفاده می کند.
| عنوان فارسی مقاله: | انتخاب بهینه دسته بندهای تجمعی با استفاده از معیارهای مهارت و تنوع دسته بندهای پایه |
| عنوان انگلیسی مقاله: | Optimal selection of ensemble classifiers using measures of competence and diversity of base classifiers |
خرید ترجمه فارسی مقاله با فرمت ورد