Thesis

بهبود طبقه بندی داده های نامتوازن

Abstract(in Persian; no English abstract is available)

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 گروه اقلیت به طور قابل توجه ای کمتر از نمونه های کلاس گروه اکثریت است. به توجه به اینکه اکثر الگوریتم های یادگیری، طبقه بند را براساس این فرض که تعداد نمونه های آموزش از هرکلاس با هم برابر است، آموزش می دهند، زمانی که این الگوریتم ها را به مجموعه داده های نامتوازن اعمال می کنیم، طبقه بند یادگرفته شده غالباً از کلاس اکثریت منتج می شود که این موضوع باعث پیش بینی بسیار ضعیف کلاس اقلیت می شود، زیرا آموزش کلاس اقلیت به درستی انجام نشده است. در اغلب موارد، کاربر تمایل بیشتری به پیش بینی نمونه های کلاس اقلیت دارد، بنابراین کنترل و حل مسأله داده ی نامتوازن برای بهبود کارآیی امری ضروری است. طبقه بند ترکیب جمعی به عنوان یک راه حل ممکن رفع مشکل داده های نامتوازن، توجه بسیاری از محققان را جلب کرده است. هدف اصلی از روش ترکیب جمعی، بهبود عملکرد یک طبقه بند با ایجاد چند طبقه بند پایه و ترکیب آن ها برای به دست آوردن طبقه بندی جدید است که بهتر از هر یک از طبقه بندهای پایه، عمل می کند. در این پایان نامه دو الگوریتم ترکیب جمعی ناب و جدید، برای طبقه بندی داده های نامتوازن معرفی شده است. در الگوریتم های پیشنهادی، مجموعه داده های آموزش بعد از اعمال یک مرحله پیش پردازش داده ها، با استفاده از تکنیک خوشه بندی، به تعدادی خوشه در لایه های مختلف شکسته می شوند و طبقه بندهای پایه، روی نمونه های هر خوشه آموزش می بینند. در روش پیشنهادی اول از الگوریتم خوشه بندی سلسله مراتبی و در روش پیشنهادی دوم از الگوریتم خوشه بندی کاهشی استفاده شده است. پیاده سازی روش های پیشنهادی روی مجموعه داده های مشهور و مقایسه ی آن با روش های معروفی مانند smotebaggingو smoteboost نشان می دهد که روش های پیشنهادی عملکرد قابل قبولی دارند.

Supervisors and advisors

علی اکبر نیک نفس

Similar theses

Similar items

  • طبقه‏بندی داده های نامتوازن در تشخیص اولیه بیماری های پستان با روش های آدابوست، شبکه عصبی احتمالی و k تا نزدیک‏ترین همسایه

    Articleبیماری های پستانمحمد درزی، mohammad darzi آسیه الفت بخش، asiye olfat bakhsh سعید گرگین، saeid gorgin فرید اویسی

    چکیده مقدمه: سرطان پستان یکی از سرطان‏های شایع در ایران بوده و هرگونه اقدام تشخیصی به هنگام در این­ مورد می‏تواند جان بسیاری از مبتلایان به این سرطان را نجات بخشد. هدف از این پژوهش طبقه­بندی داده­های نامتوازن مربوط به بانوان مراجعه‏کننده به کلینیک پژوهشکده سرطان پستان جهاددانشگاه

  • بهبود رده بندی داده های نامتوازن در الگوریتم جنگل تصادفی با استفاده از شبکه های عصبی- مرحله

    Article2018علوم رایانشیهادی مهدوی نیا، اعظم ربیعی

    امروزه پژوهشگران برای داده‌کاوی ، با دو نوع داده، مواجه هستند: 1- داده‌های متوازن 2- داده‌های نامتوازن . چالش اصلی، در داده‌کاوی داده‌های نامتوازن است. از طرفی، یکی از روش‌های داده‌کاوی، رده‌بندی است. برای رده‌بندی داده‌های نامتوازن با چالش‌هایی مانند: استخراج مدل جانبدارانۀ متما

  • مقایسه ی الگوریتم های مختلف طبقه بندی داده ها برای تعیین نوع زردی در نوزادان

    زمینه و هدف: زردی در نوزادان مبحثی است که برای متخصصان در سراسر دنیا بسیار مهم تلقی می شود. زیرا این بیماری یکی از عمده ترین وضعیت هایی است که به توجه بالینی نیازمند است. هدف از انجام این پژوهش استفاده از تکنیک های طبقه بندی داده ها برای پیش بینی به موقع نوع زردی نوزادان و در نتی

  • نیازهای اطلاعاتی و ساختاری طبقه بندی داده های پرستاری در سیستم های رایانه ای

    Articleحیاتمریم احمدی، m ahmadi associate professor, dept. of health information management, tehran university of medical sciences, tehran, iranدانشیار گروه آموزشی مدیریت اطلاعات بهداشتی درمانی دانشکده مدیریت و اطلاع رسانی پزشکی دانشگاه علوم پزشکی تهران فروغ رفیعی، f rafii associate professor, center for nursing care research, tehran university of medical sciences, tehran, iranدانشیار گروه آموزشی داخلی جراحی و عضو مرکز تحقیقات مراقبت های پرستاری دانشکده پرستاری و مامایی دانشگاه علوم پزشکی تهران فاطمه حسینی، f hoseini instructor, dept. of statistics, tehran university of medical sciences, tehran, iranمربی گروه آموزشی آمار و ریاضی دانشکده مدیریت و اطلاع رسانی پزشکی دانشگاه علوم پزشکی تهران مهدی حبیبی کولایی

    زمینه و هدف: طبقه بندی داده های مراقبت بهداشتی، به عنوان ابزاری برای گردآوری اطلاعات و پردازش داده های بهداشتی به شمار می رود. سیستم های مراقبت بهداشتی کنونی، توجه رهبران پرستاری را به توسعه پـرونده های رایانه ای معطوف داشته است. ذخیره الکترونیکی داده های پرستاری با استفاده از سی

  • روشی نوین به منظور طبقه بندی داده های چند بازگشتی لایدار با استفاده از اطلاعات هندسی مجاورتی و فضای پدیده

    Articleاطلاعات جغرافیایی (سپهر)علیرضا صفدری نژاد، دانشجوی دکترای مهندسی نقشه برداری، دانشکده مهندسی ژئوماتیک، دانشگاه صنعتی خواجه نصیرالدین طوسی مهدی مختارزاده، استادیار گروه فتوگرامتری و سنجش از دور، دانشکده مهندسی ژئوماتیک، دانشگاه صنعتی خواجه نصیرالدین طوسی محمدجواد ولدان زوج، استاد گروه فتوگرامتری و سنجش از دور، دانشکده مهندسی ژئوماتیک، دانشگاه صنعتی خواجه نصیرالدین طوسی

    داده های اخذ شده توسط سیستم های لیزر اسکنر هوایی به دلیل برخورداری از مزایایی نظیر دقت هندسی نسبتاً بالا و تراکم مکانی بالای نقاط، اطلاعات هندسی متنوع و منحصر به فردی از سطوح فیزیکی عوارض فراهم می آورند. طبقه بندی و تفکیک داده های ابر نقطه به عوارض سازنده ی محیط، نقش مهمی در روند

  • طبقه بندی داده های ابرطیفی با استفاده از مشتق گیری در فضای طیفی و استفاده از روش های کدگذاری

    Articleسنجش از دور و gis ایرانمصطفی اوجاقلو، دانشگاه خواجه نصیرالدین طوسی محمدرضا مباشری، دانشگاه خواجه نصیرالدین طوسی یوسف رضائی، دانشگاه بوعلی سینا

    روش های متعددی برای استخراج اطلاعات از داده های ابرطیفی وجود دارند که از آن جمله می توان به روش مشتق گیری از طیف بازتابندگی و استفاده از روش های کدگذاری اشاره کرد. در این تحقیق با مشتق گیری از طیف بازتابندگی، فرکانس های پایین طیف- که عموتاً دارای اطلاعات مفیدی نیستند- حذف گردیده