Thesis

بهبود طبقه بندی متن با استفاده از روش های ترکیب

Download full textFree with an account; signing up with Google takes seconds

Abstract(in Persian; no English abstract is available)

با توجه به گسترش اینترنت و افزایش چشمگیر حجم مطالب متنی، ابزارها و روش های خودکار برای مدیریت اسناد و مطالب متنی، مورد توجه بسیار زیادی قرار گرفته اند. از جمله ی این ابزارها می توان به طبقه بند متن اشاره کرد که می تواند در این زمینه بسیار موثر باشد. این ابزار کاربردهای فراوانی در سیستم های بررسی متون مانند موتورهای جستجو، سیستم های فیلترینگ، تشخیص هرزنامه ها، کتابخانه های دیجیتال و سایر سیستم های مشابه دارد. از آن جایی که صحت طبقه بندی متن یکی از مهمترین شاخص های موفقیت این سیستم ها به شمار می آید، از اهداف اساسی این پایان نامه افزایش میزان صحت طبقه بندی متون می باشد. با توجه به میزان کارهای انجام شده قبلی، افزایش کارایی طبقه بندهای منفرد مشکل می باشد، لذا رهیافت ما برای رسیدن به این هدف استفاده و بهبود روش های ترکیب طبقه بندها است. در این پایان نامه برای بهبود صحت طبقه بندی متن، و بر مبنای روش ترکیب رأی گیری وزن دار، دو رهیافت جدید برای وزن دهی طبقه ها و طبقه بندها پیشنهاد شده است. رهیافت اول مبتنی بر در نظر گرفتن وزن مستقل برای هر طبقه و هر طبقه بند است. رهیافت دوم تعمیم رهیافت اول است. بدین شکل که برای جواب مثبت یا منفی هر طبقه بند در مورد هر طبقه وزن مستقلی در نظر گرفته می شود. برای محاسبه ی اوزان در هر دو رهیافت، علاوه بر الگوریتم ژنتیک، معادله تجربی خاصی هم پیشنهاد گردیده است که در زمان بسیار کمتری نسبت به الگوریتم ژنتیک اجرا می گردد. نتایج طبقه بندی بر مبنای محاسبه اوزان با استفاده از معادله ی پیشنهادی، کاملاَ با نتایج استفاده از الگوریتم ژنتیک قابل مقایسه و حتی گاهی بهتر هم می باشد. آزمایش ها با استفاده از طبقه بندهای رُکیو، نزدیک ترین همسایه و بیز، و سه روش انتخاب ویژگی شامل اطلاعات متقابل، خی2 و mcfs انجام شده است. نتایج تجربی حاصل از اعمال الگوریتم های ترکیب پیشنهادی بر روی مجموعه داده های آموزشی رایج و مقایسه با نتایج حاصل از سایر روش های ترکیب طبقه بندها، مانند رأی گیری وزن دار، عملگر میانگین وزن دار رتبه یافته و روش قالب تصمیم، نشان می دهد که رهیافت های پیشنهادی دقت طبقه بندی را بنحو چشمگیری افزایش داده اند. این نتایج از آزمایش بر روی چهار مجموعه داده های آموزشی متفاوت و رایج بدست آمده است.

Supervisors and advisors

بهروز مینایی، فردین اخلاقیان

Similar theses

  • بررسی روش جنگل تصادفی جهت بهبود طبقه بندی پوشش اراضی شهری با استفاده از تصاویر ماهواره ای

    Thesis2013وزارت علوم، تحقیقات و فناوری - دانشگاه صنعتی خواجه نصیرالدین طوسی - دانشکده نقشه برداریامین قاسمی اسفهلان

    طبقه بندی پوشش اراضی شهری همیشه به علت قابلیت برقراری ارتباط عناصر انسانی با محیط های فیزیکی و استفاده در مدیریت بهتر منابع دارای اهمیت بوده و هست. نیاز به دانش به روز، صحیح و دارای جزئیات از اطلاعات پوشش اراضی شهری حاصل از داده های سنجش از دور به طور فزاینده ای در میان بسیاری از

  • بهبود دقت طبقه بندی با استفاده از روش های انتخاب خصیصه ی ترکیبی

    Thesis2009وزارت علوم، تحقیقات و فناوری - دانشگاه شیرازفاطمه علیمردانی

    در سال های اخیر، کاراتر سازی روش های انتخاب خصیصه به صورت رو به رشد مورد توجه بوده اند. تحقیقات انجام شده به منظور کاهش هزینه ی محاسبات و همچنین کاهش ریسک تطابق بیش از حد مطالعه شده اند. در راستای کاهش بعد خصیصه ها از بین همه ی الگوریتم -ها روش های پیشرونده به دلیل هزینه ی محاسبا

  • بهبود دقت طبقه بندی با استفاده از طبقه بندی مرکب جهت تحلیل سیگنال های مغزی

    Thesis2014وزارت علوم، تحقیقات و فناوری - دانشگاه تربیت دبیر شهید رجایی - دانشکده مهندسی برق و کامپیوترنیما صالحی آهنگر

    در این پایان نامه هدف، بهبود دقت طبقه بندی مرکب در تحلیل سیگنال های مغزی است. تحلیل سیگنال مغزی در زمینه های مختلفی ازجمله واسط مغز رایانه، علوم شناختی و تشخیص بیماری ها نقش مهمی را ایفا می کند. ازآنجاکه طبقه بندی سیگنال های مغزی جز مسائل پیچیده طبقه بندی به شمار می رود از طبقه ب

  • بهبود طبقه بندی داده های لایدار با استفاده از مفاهیم هندسی و منطق فازی

    Thesis2011وزارت علوم، تحقیقات و فناوری - دانشگاه صنعتی خواجه نصیرالدین طوسی - دانشکده نقشه برداریامید بشارت

    امروزه دستیابی سریع و ارزان به اطلاعات عوارض پوششی سطح شهرها با استفاده از آنالیزهای سنجش از دور از اهمیت ویژه ای برخوردار است. چندین دهه از عمر این فناوری به عنوان اصلی ترین راهکار این هدف می گذرد. در چندسال اخیر با ظهور تصاویر با قدرت تفکیک مکانی بالا، کسب اطلاعات پوشش اراضی شم

  • ارائه یک روش کارا جهت تجزیه و تحلیل سیگنال های emg به منظور بهبود طبقه بندی اختلالات عصبی عضلانی

    Thesis2013وزارت علوم، تحقیقات و فناوری - دانشگاه شیراز - دانشکده مهندسی کامپیوترطاهره کمالی

    شکل و صدای مربوط به پتانسیل های عمل استخراج شده از داخل سیگنال الکترومایوگرافی یکی از مهمترین منابع اطلاعاتی جهت تشخیص، درمان و مدیریت بیماری های عصبی عضلانی می باشد. متاسفانه در حال حاضر روش های خودکار تشخیص بیماری های عصبی عضلانی بر اساس اطلاعات استخراج شده از داخل پتانسیل های

  • بهبود طبقه بندی داده های نامتوازن

    Thesis2014وزارت علوم، تحقیقات و فناوری - دانشگاه تحصیلات تکمیلی صنعتی کرمان - دانشکده برق و کامپیوترنیلوفر افشاری ابولکرلو

    یکی از حوزه های مهم در داده کاوی طراحی الگوریتم های کلاس بندی با دقت بالا است. این امر به ویژه در شرایطی که داده ها دارای پراکندگی نامتوازن باشند، پیچیدگی بیشتری پیدا می کند. یادگیری کلاس نامتوازن به یادگیری از مجموعه داده های نامتوازن اشاره دارد که در آن تعداد نمونه های کلاس گرو

Similar items