ارائه یکمدلآماری-یادگیری جدید برایطبقهبندی دادهها با ورودیغیرقطعی
عنوان مقاله: ارائه یکمدلآماری-یادگیری جدید برایطبقهبندی دادهها با ورودیغیرقطعی
شناسه ملی مقاله: JCCEM01_053
منتشر شده در همایش مشترک مهندسی کامپیوتر و مکانیک در سال 1392
شناسه ملی مقاله: JCCEM01_053
منتشر شده در همایش مشترک مهندسی کامپیوتر و مکانیک در سال 1392
مشخصات نویسندگان مقاله:
سعید طوسی زاده - عضو هیات علمی گروه کنترل، دانشکده مهندسی برق، دانشگاه فردوسی مشهد
سیدمحمدرضا فرشچی - آزمایشگاه هوشمند شبکه اجتماعی، دانشکده ریاضی، گروه کنترل و بهینه سازی، دانشگاه فردوسی مشهد
خلاصه مقاله:
سعید طوسی زاده - عضو هیات علمی گروه کنترل، دانشکده مهندسی برق، دانشگاه فردوسی مشهد
سیدمحمدرضا فرشچی - آزمایشگاه هوشمند شبکه اجتماعی، دانشکده ریاضی، گروه کنترل و بهینه سازی، دانشگاه فردوسی مشهد
عدم قطعیت در دادهها، توسط فاکتورهای مختلفی از جمله، عدمدقت در اندازهگیری، نرخخطا در نمونهگیری، تاخیردر شبکه یا عوامل دیگر ایجاد میگردد. فرآیندهای بحرانی هوشمند، مثل دادهکاوی یا انتقالاطلاعات در شبکه های حسگر، نیازمند فرآیند دقیقتری در کار با دادههای دارای ابهام هستند. در این پژوهش به ارائه یک مدلاحتمالاتی-آماری، با توزیع نرمال یا گاوسی بر روی الگوی ورودی به صورت گسسته، پرداختهایم. مدل پیشنهادی، به دلیل کشف روابط وابستگی به صورت نرمال، از پیچیدگی زمانی بسیار کمی برخوردار است. با استفادهاز نظریه راس و تئوری تجمیع چگالی احتمالی، مدل ارائه شده را به لحاظ بهینگی، ثابت کردهایم. مدلهایکنونی در غلبه بر مشکل عدم قطعیت، از مشکل نفوذخطا به دادههای آموزشی و یا، تست و افزونگی ابهام دادهای رنج میبرند. نتایج ساختار ریاضی بسیار دقیق ما نشان میدهد، روش ارائه شده، علاوه بر حل مشکل کنونی روشهایسنتی، برای اولین بار، روشی را برای تحلیلپیچیدگی عدم قطعیت در طبقهبندی ارائه نموده است. بررسیهای دقیقریاضی و شبیهسازیهای کنونی بر روی شبکه گرید داخلی در چگالی ترکیبی، نشان میدهد، مدل کنونی، طبقهبندی بسیار بادقتی را برای انواع کاربردها بر روی دادههای غیرقطعی ارائه کرده است
کلمات کلیدی: دادههای غیرقطعی، تئوری راس، طبقهبندیغیرقطعی
صفحه اختصاصی مقاله و دریافت فایل کامل: https://civilica.com/doc/239600/