روش جدید طبقه بندی چندکلاسه داده با کمک کاهش داده ها به منظور کاربرد در داده های حجیم
Paper ID : 1086-ICTCK (R1)
Authors:
1الهام خان لاری *, 2جواد مهدوی, 3محمد حسین معطر
1دانشگاه آزاذ اسلامی
2کمیته علمی
3هیئت علمی کامپیوتر دانشگاه ازاد مشهد
Abstract:
در این مقاله، روش جدیدی برای طبقه بندی چند کلاسه داده های حجیم بر اساس کاهش داده ها، مبتنی بر الگوریتم انتشار رو به جلو نمونه های اولیه ارائه شده است. روش پیشنهادی دارای 2 فاز اصلی است: تشخیص نمونه های مرزی با کمک الگوریتم انتشار رو به جلو نمونه های اولیه بوسیله یک مجموعه از بردارهای پشتیبان، و دادن برچسب مناسب به نمونه های ورودی، که بر اساس تکنیک "یک در مقابل همه" پیشنهاد شده است. این روش تنها با یک پارامتر تنظیم و گرایش کمی به overfitting می تواند نرخ بالایی از دقت طبقه بندی را برای داده هایی با توپولوژی های پیچیده و کلاس های غیر مقعر و یا نامتعادل ارائه دهد. روش ارائه شده با محاسبه error_rate و condensing_rate در محیط متلب ارزیابی شده است. نتایج نشان می‌دهد که الگوریتم پیشنهادی توانسته با نرخ فشرده سازی بالایی ، نرخ خطای طبقه بندی مناسبی نسبت به روش های محبوب دیگر داشته باشد. از این سیستم پیشنهاد شده می‌توان در ابزارهایی با حافظه پایین و انتقال حجم بالایی از داده استفاده کرد که این تراکم داده در داده های حجیم می تواند از اهمیت بالایی برخوردار باشد.
Keywords:
الگوریتم انتشار رو به جلو ، داده های حجیم ، طبقه بندی چند کلاسه ، متراکم کردن، یک در مقابل
Status : Paper Accepted