بهبود روش تعمیم پشته بر اساس انتخاب طبقه بندها جهت طبقه بندی سیگنالهای مغزی
سال انتشار: 1399
نوع سند: مقاله کنفرانسی
زبان: فارسی
مشاهده: 391
فایل این مقاله در 14 صفحه با فرمت PDF قابل دریافت می باشد
- صدور گواهی نمایه سازی
- من نویسنده این مقاله هستم
استخراج به نرم افزارهای پژوهشی:
شناسه ملی سند علمی:
EMESCONF01_019
تاریخ نمایه سازی: 19 فروردین 1400
چکیده مقاله:
مسئله طبقه بندی در یادگیری ماشین یکی از محبوب ترین و پرکاربردترین موضوعات است. از جمله مواردی که باعث پیچیدگی مسائل طبقه بندی میشوند عبارت اند از همپوشانی کلاسها، نمونه های نویزی، تعداد کم نمونه ها و .... یکی از راهکارهایی که در یک دهه اخیر در این راستا مورد استفاده قرار گرفته است، ترکیب طبقه بندها به دو صورت ایستا و پویا است. از جمله روشهای مرکب ایستای پرکاربرد میتوان به روش تعمیم پشته اشاره کرد؛ که به طور مرسوم در این روش، همه طبقه بندها همگن هستند؛ در روش پیشنهادی از طبقه بندهای ناهمگن در روش تعمیم پشته استفاده شده است. هدف از این کار شکستن فضای مسائل پیچیده به چندین زیر فضا و به کارگیری طبقه بند متناسب با هر زیر فضا است. به همین دلیل در هر زیر فضای مسئله، یک سیستم انتخاب بهترین طبقه بند وجود خواهد داشت که با استفاده از این سیستم، طبقه بند مناسب و کارا در هر زیر فضا انتخاب میشود. از آنجایی که یکی از مسائل پیچیده و محبوب در تحقیقات امروزی، تحلیل سیگنالهای مغزی بوده است، از این رو آزمایشهای انجامشده روی مجموعه داده های مغزی صورت گرفته و روش تعمیم پشته بهبودیافته ی پیشنهادی، در مجموعه داده چهارمین دوره مسابقات BCI ، حدود 39,3 درصد و در مجموعه داده سومین دوره مسابقات BCI، حدود 5,4 درصد بهبود کارایی نسبت به نسخه مرسوم آن داشته است.
کلیدواژه ها:
نویسندگان
مرسده شهرآشوب
کارشناسی ارشد، گروه کامپیوتر، دانشکده فنی و مهندسی، دانشگاه آزاد اسلامی واحد تهران جنوب، تهران، ایران
رضا ابراهیم پور
استاد، دانشکده مهندسی کامپیوتر، گروه هوش مصنوعی، دانشگاه تربیت دبیر شهید رجایی، تهران، ایران