مرکز اطلاعات علمی Scientific Information Database (SID) - Trusted Source for Research and Academic Resources

مقاله مقاله نشریه

مشخصات مقاله

مرکز اطلاعات علمی Scientific Information Database (SID) - Trusted Source for Research and Academic Resources

نسخه انگلیسی
مرکز اطلاعات علمی Scientific Information Database (SID) - Trusted Source for Research and Academic Resources

video

مرکز اطلاعات علمی Scientific Information Database (SID) - Trusted Source for Research and Academic Resources

sound

مرکز اطلاعات علمی Scientific Information Database (SID) - Trusted Source for Research and Academic Resources

نسخه انگلیسی

مرکز اطلاعات علمی Scientific Information Database (SID) - Trusted Source for Research and Academic Resources

بازدید:

67
مرکز اطلاعات علمی Scientific Information Database (SID) - Trusted Source for Research and Academic Resources

دانلود:

14
مرکز اطلاعات علمی Scientific Information Database (SID) - Trusted Source for Research and Academic Resources

استناد:

اطلاعات مقاله نشریه

عنوان

انتخاب ویژگی نیمه نظارتی تُنک مبتنی بر منظم سازی هسین و آنالیز تشخیصی فیشر

صفحات

 صفحه شروع 125 | صفحه پایان 135

چکیده

 انتخاب ویژگی یکی از تکنیک های مهم در یادگیری ماشین و شناسایی الگو است که با حذف ویژگی های نامناسب  و انتخاب زیرمجموعه­ای مفید از ویژگی ها باعث اجتناب از بیش برازش در هنگام ساخت مدل, بهبود کارایی و سادگی مدل می شود. در بسیاری از کاربردها, تعیین برچسب داده ها هزینه بر بوده و مستلزم صرف زمان زیادی است, درحالی که داده های بدون برچسب به آسانی در دسترس هستند. بنابراین, استفاده از روش های انتخاب ویژگی نیمه نظارتی که بتوانند در فرآیند انتخاب ویژگی از داده های برچسب دار و بدون برچسب استفاده نمایند, بسیار ارزشمند است. در این مقاله, یک روش انتخاب ویژگی تُنک نیمه نظارتی مبتنی بر منظم سازی هسین و آنالیز تشخیصی فیشر پیشنهاد می شود که می تواند با استفاده از داده های برچسب دار و اطلاعات توزیع و ساختار محلی داده های برچسب دار و بدون برچسب مناسب ترین ویژگی ها را انتخاب نماید. در روش پیشنهادی, تابع هدفی مبتنی بر ماتریس پراکندگی نیمه نظارتی و نُرم- l2,1 برای انتخاب ویژگی ارائه می شود که از منظم سازی هسین و آنالیز تشخیصی فیشر در ساخت ماتریس پراکندگی نیمه نظارتی استفاده می کند و همبستگی بین ویژگی ها را در هنگام انتخاب ویژگی در نظر می گیرد. برای حل تابع هدف پیشنهادی مبتنی بر منظم سازی هسین و آنالیز تشخیصی فیشر, الگوریتمی موثر با رویکرد تکراری به کار می رود و همگرایی آن به صورت تئوری و عملی اثبات می شود. نتایج به دست آمده از آزمایش ها بر روی پنج مجموعه داده حاکی از برتری روش پیشنهادی در مقایسه با دیگر روش های انتخاب ویژگی استفاده شده در این مقاله است.

چندرسانه ای

  • ثبت نشده است.

    • استنادها

  • ثبت نشده است.

    • ارجاعات

  • ثبت نشده است.

    • استناددهی

    مقالات مرتبط نشریه ای

  • ثبت نشده است.

    • مقالات مرتبط همایشی

  • ثبت نشده است.

    • طرح های مرتبط

  • ثبت نشده است.

    • کارگاه های پیشنهادی






    بازگشت به بالا
    telegram sharing button
    whatsapp sharing button
    linkedin sharing button
    twitter sharing button
    email sharing button
    email sharing button
    email sharing button
    sharethis sharing button