طبقه بندی چند کلاسه ماشین بردار پشتیبان با استفاده از اطلاعات ممتاز و یادگیری فعال
تکرار نام مولف :
میترا جاوید
سال نشر :
1396
صفحه شمار:
63ص
یادداشت
چکیده
اساس کار ماشین بردار پشتیبان طبقهبندی دو کلاسه است ولیتوسعههایی از آن برای حل مسائل چندکلاسه در نظرگرفته شده است. دو رویکرد کلی برای طبقهبندی چندکلاسه با استفاده از ماشین بردار پشتیبان عبارتند از: یکی در مقابل یکی (OAO) و یکی در مقابل همه (OAA). اگرچه در روش OAAتعداد طبقهبندها کمتر است، اما ناحیههایی وجود خواهد داشت که ماشین بردار پشتیبان قادر به طبقهبندی صحیح آنها نیست. در این پایاننامه به منظور غلبه بر ناحیههای دشوار طبقهبندی OAA و کاهش هزینه برچسبگذاری دادههای نیمهنظارتی از مفهوم یادگیری فعال بهره بردهایم. به این ترتیب نمونههای آموزندهتر از نواحی دشوار طبقهبندی انتخاب شده و پس از برچسبگذاری توسط کارشناسان به عنوان نمونههای آموزش بهکار گرفته خواهند شد. همچنین در این مدل با هدف افزایش صحت طبقهبند، از چارچوب یادگیری با استفاده از اطلاعات ممتاز استفاده شده است. در بیشتر تحقیقات انجام شده، فرد خبره اطلاعات ممتاز را مشخص میکند و براساس آن دادههای آموزش را به چند گروه تقسیم میکند. هدف ما، انتخاب خودکار ویژگی حاوی اطلاعات ممتاز و همچنین گروهبندی دادههای آموزش براساس اطلاعات ممتازی است که در این ویژگی به صورت مخفی وجود دارد. درنهایت با بهکارگیری طبقهبند ارائه شده در روش یکی در مقابل همه یک طبقهبند چندکلاسه معرفی میگردد. نتایج آزمایشات نشاندهنده برتری روش پیشنهادی نسبت به سایر روشهای مطرح، از لحاظ صحت طبقهبندی در این زمینه است.
واژههای کلیدی: طبقهبندی، نیمهنظارتی، یکی در مقابل همه، ماشین بردار پشتیبان، اطلاعات ممتاز،یادگیری فعال