نمايش پست تنها
قديمي ۱۱-۵-۱۳۸۸, ۰۴:۳۷ بعد از ظهر   #69 (لینک دائم)
Astaraki Female
Administrator
 
آواتار Astaraki
 
تاريخ عضويت: خرداد ۱۳۸۷
محل سكونت: تهران-کرج!
پست ها: 3,465
تشكرها: 754
16,337 تشكر در 3,127 پست
My Mood: Mehrabon
ارسال پيغام Yahoo به Astaraki
Lightbulb

وزندهی به قوانین و الگوهای آموزشی جهت بهبود دقت کلاسه بندی سیستم های دسته بندی فازی


در اين مقاله تاثير وزندهي را بر قابليت دسته بندي سيستمهاي دستهبند فازي مبتني بر قانون مورد بررسي قرار دهيم. براي بهبود سيستم کلاسه بند از يک الگوريتم يادگيري وزن قوانين استفاده ميکنيم که ميزان خطاي دسته بندي را بر روي دادههاي آموزشي با استفاده از تنظيم وزن قوانين به حداقل مي رساند. همچنين، با اين ديد که داده هاي آموزشي داراي ارزش يکساني نيستند و بعضي از داده هاي آموزشي را ميتوان نويز به حساب آورد، ما به دادههاي آموزشي نيز وزني انتساب ميدهيم. وزن منتسب شده به هر الگوي آموزشي به عنوان هزينه ي دسته بندي غلط و يا انصراف از کلاسه بندي آن داده محسوب مي شود. به عبارت ديگر، وزن هر الگو نشان دهنده اهميت کلاسه بندي صحيح آن الگو ميباشد. با اين توصيف، الگوريتم يادگيري مورد استفاده بر اساس وزن دهي قوانين را طوري تغيير مي دهيم که به جاي به حداقل رساندن خطاي کلاسه بندي، يک تابع هزينه( تابعي وابسته به وزن دادههاي آموزشي) را کمينه کند. براي تعيين وزن هر الگوي آموزشي، از توزيع داده ها در همسايگي آن استفاده مي شود. اگر اکثريت همسايه هاي دادهي مورد نظر از کلاسي متفاوت با کلاس دادهي مورد نظر باشند به آن داده وزن کمي اختصاص داده ميشود و بالعکس. با اين کار تاثير داده هاي نويزي را در عمل يادگيري وزن قوانين کاهش ميدهيم. با استفاده از چندين مجموعه دادهاي استاندارد موجود در uci-ml نشان ميدهيم که وزن دهي الگوهاي آموزشي تاثير مثبتي در بهبود دقت کلاسه بندي دارد.
فايل ضميمه
نوع فايل: pdf 51.pdf (344.3 كيلو بايت, 349 نمايش)
Astaraki آفلاين است   پاسخ با نقل قول
از Astaraki تشكر كرده اند:
fitil (۰۲-۲۲-۱۳۸۹), saber187518 (۰۹-۲۳-۱۳۹۰)