حذف اثرات داده های پرت بر مبنای روش یادگیری فعال و با استفاده از K نزدیک ترین همسایه

سال انتشار: 1395
نوع سند: مقاله کنفرانسی
زبان: فارسی
مشاهده: 435

فایل این مقاله در 8 صفحه با فرمت PDF قابل دریافت می باشد

استخراج به نرم افزارهای پژوهشی:

لینک ثابت به این مقاله:

شناسه ملی سند علمی:

ICEEE08_095

تاریخ نمایه سازی: 11 مرداد 1396

چکیده مقاله:

روش یادگیری فعال یک روش یادگیری تطبیقی فازی است که بر اساس شبیهسازی نحوه پردازش مغزانسان توسعه داده شده است. یکی از گام های موثر برای رسیدن به نتایج مطلوب در این روش، انتخاب مناسب شعاع پخش قطره جوهر است. در این مقاله روشی برای انتخاب شعاع متغیر پخش قطره جوهر با توجه به معیار چگال بودن فضا و بهره گیری از ایده الگوریتم k نزدیک ترین همسایه ارایه شده است. روش ارایهشده با در نظرگرفتن تعداد همسایگی های هر داده آموزشی، شعاع مناسب را با توجه به چگالی داده ها به صورت محلی یافته و سپس با ضریبی از این شعاع اقدام به پخش قطره جوهر می نماید.بنابراین با در نظر گرفتن معیار تنکی داده هادر فضای داده، این روش توانایی شناسایی، تفکیک و حذف دادههای پرت را دارد. علاوه بر ارایه تحلیل ریاضی، شبیه سازی هایی برای صحت عملکرد الگوریتم بیان شده است

کلیدواژه ها:

نویسندگان

سجاد حق زاد کلیدبری

دانشکده مهندسی برق دانشگاه صنعتی شریف تهران، ایران

محمد جوادیان

دانشکده مهندسی برق دانشگاه صنعتی شریف تهران، ایران

سعید باقری شورکی

دانشکده مهندسی برق دانشگاه صنعتی شریف تهران، ایران

مراجع و منابع این مقاله:

لیست زیر مراجع و منابع استفاده شده در این مقاله را نمایش می دهد. این مراجع به صورت کاملا ماشینی و بر اساس هوش مصنوعی استخراج شده اند و لذا ممکن است دارای اشکالاتی باشند که به مرور زمان دقت استخراج این محتوا افزایش می یابد. مراجعی که مقالات مربوط به آنها در سیویلیکا نمایه شده و پیدا شده اند، به خود مقاله لینک شده اند :
  • Zadeh, Lotfi A. "Fuzzy sets." Information and control 8, no. ...
  • Zadeh, Lotfi A. "Outline of a new approach to the ...
  • S.B. Shouraki and N. Honda, «Recursive Fuzzy Modeling Based on ...
  • S. B. Shouraki, G. Yuasa and N. Honda. ?Fuzzy controller ...
  • HesamSagha, Saeed Bagheri Shouraki, H oseinKhasteh _ Ali Akbar Kiaei, ...
  • Murakami, Masayuki, and Nakaji Honda. "A study on the modeling ...
  • Hamid Taheri Shahraiyni. , Schaale, M., Fell, F., Fischer, J., ...
  • Murakami, Masayuki, and Nakaji Honda. "Classification performance of the IDS ...
  • M. Firouzi, S.B. Shouraki, «Performance Evaluation of Active Learning Method ...
  • F. M errikh-bayat, S. B. Shouraki and A. Rohani, ،Memristor ...
  • H. Sagha, et al.?Genetic Ink Drop Spread.' Intelligent Information Techn ...
  • J. Han and M. Kamber, 'Data Mining: Concepts and Techniques, ...
  • V. Chandola, A. Banerjee, and V. Kumar, "Anomaly Detection: A ...
  • S.B.Shouraki, ?A Novel fuzzy approach to modeling and control and ...
  • S.Theodoridis and K. Koutroumbas, «Pattern Recognition, ?" 3rd edition, Academic ...
  • C. M. Bishop, "Pattern Recognition." Machine Learning (2006). ...
  • Zambom, Adriano Zanin, and Ronaldo Dias. "A review of Kernel ...
  • M ichioSugeno, Takahiro Yasukawa, 00A Fuzzy-Logic based approach to qualitative ...
  • نمایش کامل مراجع