کلاسه بندي نرم با استفاده از خوشه بندي و تئوري ترکیب باورها - Artificial Intelligence

**Astaraki** · ۰۹-۷-۱۳۸۹, ۰۸:۴۹ بعد از ظهر

کلاسه بندي نرم با استفاده از خوشه بندي و تئوري ترکیب باورها

خلاصه مقاله:
در سيستمهاي كلاسه بندي معمول، هرالگوي ورودي به يك كلاس نسبت داده مي شود. لزوم تخصيص نمونه ها فقط به يك كلاس، از آزادي عمل سيستم مي كاهد، چراكه در بسياري از موارد، به دليل همپوشاني كلاسها در فضاي ويژگيهاي مربوطه، نمي توان يك نمونه را به راحتي فقط به يك كلاس نسبت داد. در اين مقاله يك سيستم كلاسه بندي با محاسبات نرم پيشنهاد شده است، بطوريكه
در آن، با تدابيري كه در نظر گرفته شده است، آزادي عمل سيست م با در نظر گرفتن انتساب نمونه ها به همه حالتهاي ممكن از كلاسهاي موجود افزايش قابل ملاحظه اي پيدا مي كند. در مرحله آموزش سيستم پيشنهادي، با اعمال كلاسه بندي بدون مربي بر روي ويژگيهاي تك بعدي استخراج شده از نمونه هاي آموزشي، كلاسهاي جديدي به دست مي آيد. در ادامه ي اين مرحله، با الگوريتمي همپوشاني كلاسهاي اصلي در كلاسهاي جديد جستجو مي شود. در مرحله آزمايش، نمونه ها طوري كلاسه بندي مي شوند كه محدوديت انتساب نمونه ها به يك كلاس وجود نداشته باشد، در نتيجه انتساب نمونه ها همراه با عدم قطعيت خواهد شد. در نهايت براي كاهش سطح عدم قطعيت به وجود آمده، با استفاده از تئوري تركيب باورها، قطعيت پاسخ سيستم بهبود داده مي شود. از تصاويري از دانه هاي شن و ماسه كه در 5 كلاس اصلي دسته بندي شده بودند، به عنوان ديتاهاي سيستم و بررسي نتايج استفاده شده است. نتيجه اعمال روش پيشنهادي بر روي مجموعه ديتاي ذكر شده رضايت بخش بوده و حاكي از توفيق اين روش مي باشد.

كلمات كليدي:
كلاسه بندي ، خوشه بندي، تركيب باورها