روشی جدید برای عضویت دهی به داده ها و شناسایی نوفه و داده های پرت با استفاده از ماشین بردار پشتیبان فازی
نویسنده:
نوع مقاله:
مقاله پژوهشی/اصیل (دارای رتبه معتبر)
چکیده:
در این مقاله روشی جدید را با استفاده از ماشین بردار پشتیبان فازی به منظور عضویتدهی داده های آموزشی، براساس فاصله از ابر صفحه جداکننده معرفی می شود. در این روش، با استفاده از طبقه بندی ماشین بردار پشتیبان و نیز عضویت نخستین داده های آموزشی، یک تابع عضویت فازی به کمک اعداد فازی مثلثی متقارن برای تمام فضا معرفی می شود. مبتنی بر این روش، مقدار تابع عضویت فازی هر داده جدیدی که می خواهد طبقه بندی شود، به گونه ای انتخاب می شود که کمترین میزان اختلاف را با عضویت اولیه داده های آموزشی و بیشترین میزان فازی سازی داشته باشد. نخست این مساله به صورت یک مساله بهینه سازی غیرخطی تعریف، سپس به کمک روش نقاط بحرانی، الگوریتمی کارا معرفی می شود و تابع عضویت نهایی داده های آموزشی به دست می آید؛ همچنین، در ادامه با مقایسه مقدار عضویت های اولیه داده های آموزشی با توزیع عضویت نهایی به دست آمده از روش پیشنهادی، میزان نوفه ای بودن داده آموزشی بررسی می شود. در انتهای این مقاله نیز جهت فهم بهتر و نشان دادن کارایی الگوریتم، آزمایش هایی انجام و چگونگی رفتار الگوریتم پیشنهادی بر روی نمودار پیاده سازی و با یک روش پایه مقایسه می شود.
کلیدواژگان:
زبان:
فارسی
صفحات:
101 تا 112
لینک کوتاه:
magiran.com/p1919859
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 1,390,000ريال 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.
In order to view content subscription is required
Personal subscription
Subscribe magiran.com for 70 € euros via PayPal and download 70 articles during a year.
Organization subscription
Please contact us to subscribe your university or library for unlimited access!