روش ترکیب طبقه بند مبتنی بر الگوریتم ژنتیک چندهدفه با به کارگیری معیارهای خطای طبقه بندی، پراکندگی، گوناگونی و تراکم

نوع مقاله:
مقاله پژوهشی/اصیل (دارای رتبه معتبر)
چکیده:
ترکیب طبقه بندها، یک روش موثر در یادگیری ماشینی است که در آن با ترکیب نتایج چند طبقه بند سعی می گردد تقریب بهتری از یک طبقه بند بهینه فراهم شود. برای آنکه ترکیب نتایج طبقه بندها مفید واقع شود باید طبقه بندهای پایه ضمن برخورداری از کارایی قابل قبول، دارای خطاهای متفاوتی باشند. همچنین بایستی قاعده مناسبی برای ترکیب خروجی طبقه بندهای پایه به کار گرفته شود. روش های متعدد ترکیب طبقه بندها ارائه شده است که می توان به روش های کیسه کردن، رای گیری و روش تقویتی اشاره نمود. در این مقاله یک روش برای ترکیب نتایج طبقه بندها پیشنهاد شده است که در مرحله ترکیب طبقه بندهای پایه از جمع وزن دار خروجی طبقه بندها استفاده شده است. وزن ها با استفاده از الگوریتم ژنتیک چندهدفه با بهینه سازی هم زمان چهار معیارهای خطای طبقه بندی، پراکندگی، گوناگونی و تراکم تخمین زده می شوند. نتایج آزمایش ها روی مجموعه دادگان UCI نشان داد که روش پیشنهادی باعث افزایش دقت سیستم طبقه بندی ترکیبی نسبت به دیگر روش های متداول ترکیب می شود.
زبان:
فارسی
صفحات:
1479 تا 1487
لینک کوتاه:
magiran.com/p1827732 
دانلود و مطالعه متن این مقاله با یکی از روشهای زیر امکان پذیر است:
اشتراک شخصی
با عضویت و پرداخت آنلاین حق اشتراک یک‌ساله به مبلغ 990,000ريال می‌توانید 70 عنوان مطلب دانلود کنید!
اشتراک سازمانی
به کتابخانه دانشگاه یا محل کار خود پیشنهاد کنید تا اشتراک سازمانی این پایگاه را برای دسترسی نامحدود همه کاربران به متن مطالب تهیه نمایند!
توجه!
  • حق عضویت دریافتی صرف حمایت از نشریات عضو و نگهداری، تکمیل و توسعه مگیران می‌شود.
  • پرداخت حق اشتراک و دانلود مقالات اجازه بازنشر آن در سایر رسانه‌های چاپی و دیجیتال را به کاربر نمی‌دهد.
دسترسی سراسری کاربران دانشگاه پیام نور!
اعضای هیئت علمی و دانشجویان دانشگاه پیام نور در سراسر کشور، در صورت ثبت نام با ایمیل دانشگاهی، تا پایان فروردین ماه 1403 به مقالات سایت دسترسی خواهند داشت!
In order to view content subscription is required

Personal subscription
Subscribe magiran.com for 50 € euros via PayPal and download 70 articles during a year.
Organization subscription
Please contact us to subscribe your university or library for unlimited access!