پایان‌نامه

بررسی روش های تطبیق پذیرسازی فاصله برای دسته بندی داده های نامتوازن

زهرا یگانه فرد

چکیده

دسته بندی داده ها یکی از موضوعات اساسی در داده کاوی است که کاربردهای مهم و حیاتی در مسایل دنیای واقعی مانند تشخیص بیماری، مدیریت ریسک و پیش بینی رفتارهای آتی دارد. روشهای عملی برای کار با داده های دنیای واقعی، درگیر مسایلی چون حجم زیاد داده ها، اطلاعات غیر-مفید یا نامناسب، تاثیرات نویز و عدم توازن می باشند. داده های جمع آوری شده، معمولاً دارای یک سری نمونه با ویژگی های مختلف براساس زمینه کاربرد است. اهمیت این نمونه ها و ویژگی ها در تصمیم گیری و دسته بندی متفاوت بوده و بعلاوه، تعداد نمونه ها در هر دسته می تواند بسیار متفاوت باشد. از این روی لازم است در دسته بندی، معیارهایی به منظور کشف اهمیت اطلاعات موجود، به کار گرفته شوند. مهمتر آنکه این معیارها علاوه بر دانش افراد خبره، باید براساس داده ها، یعنی ویژگی ها و تعداد داده های هر دسته، تطبیق یابند. امروزه، مساله عدم توازن یکی از مسایل چالش برانگیز در داده کاوی و یادگیری ماشین است. در بسیاری از روش های دسته بندی، از جمله روشهای بر پایه نزدیک ترین همسایه، برچسب گذاری بر اساس یک معیار فاصله و یافتن شباهت و نزدیکی داده ها انجام می شود. روشهای بسیاری به منظور تطبیق پذیرسازی معیار فاصله در الگوریتم نزدیکترین همسایه ارائه شده است. این روشها با افزودن پارامتر وزن محلی یا سراسری به نمونه ها و ویژگی ها کار می کنند. روش ارائه شده در این پایان نامه با یادگیری وزن محلی ویژگی ها سعی در افزایش نرخ تشخیص همه دسته ها در مورد مسایل نامتوازن دارد. در این روش از مفهوم بی نظمی یا انتروپی برای تشخیص اهمیت ویژگیهای مختلف در اطراف هر یک از داده ها استفاده شده است. بدین منظور، یک تابع هدف مشتق پذیر بر اساس پارامترهای وزن تعریف شده که می تواند توسط روش های رایج، بهینه سازی شود. در این روش، برای تشخیص وزن هر ویژگی در اطراف هر یک از داده ها، در قالب تابع هدف، یک معیار جدید بر اساس مفهوم انتروپی و بی نظمی تعریف شده است. از مزیتهای این معیار کاهش پیچیدگی زمانی الگوریتم و مشتق پذیر بودن تابع هدف است. در این پایان نامه به منظور ارزیابی الگوریتم یادگیری، ازمایشات متعددی بر اساس مجموعه داده های محک انجام شده که نشان دهنده کارایی مناسب روش ارائه شده است.

اساتید راهنما و مشاور

محمد هادی صدرالدینی، اشکان سامی، غلامحسین دستغیبی فرد

پایان‌نامه‌های مشابه

  • دسته بندی داده ها به روش ماشین بردار پشتیبان با توابع هدف چندگانه

    پایان‌نامه۲۰۱۲وزارت علوم، تحقیقات و فناوری - دانشگاه شاهد - دانشکده فنیعلی ندایی

    پیش بینی، هدف اصلی مسائل دسته بندی است. به عبارت دیگر در چنین مسائلی با استفاده از داده های پیشین سعی می شود که برچسب (دسته) های از قبل معلوم به یک داده جدید تخصیص یابد. به عنوان مثال پیش بینی پرخطر و یا کم خطر بودن مشتریان یک بانک هنگام تقاضای وام. در این حالت مسئله دارای دو دست

  • دسته بندی داده ها با استفاده از روش svm

    پایان‌نامه۲۰۱۱وزارت علوم، تحقیقات و فناوری - دانشگاه شهید باهنر کرمان - دانشکده ریاضی و کامپیوترمرتضی کارگر

    داده کاوی یکی از شاخه های مطرح علمی است که در سالهای اخیر توسعه فراوانی یافته است. بنابر گزارش دانشگاه mit، دانش نوین داده کاوی یکی از ده دانش در حال توسعه ای است که دهه آینده را با انقلاب تکنولوژیکی مواجه می سازد. دسته بندی داده ها، از مهمترین مباحث مطرح در داده کاوی است. در خصو

  • دسته بندی داده های با حجم بالا با استفاده از روش های دسته بندی ترکیبی

    پایان‌نامه۲۰۱۴وزارت علوم، تحقیقات و فناوری - دانشگاه یزد - دانشکده برق و کامپیوترسجاد خدارحمی جهان آباد

    بسیاری از روش های طبقه بندی ترکیبی به دلیل استفاده از چندین طبقه بند پایه، که بعضا شامل طبقه بند پایه کند هستند، در مواجهه با مجموعه داده های بزرگ پیچیدگی محاسباتی بالایی دارند. در این پژوهش روشی برای ترکیب نتایج طبقه بندها پیشنهاد شده است که با استفاده از خوشه بندی بخشی از مجموع

  • دسته بندی داده های چند برچسبی با استفاده از سامانه های دسته بندی یادگیرنده

    پایان‌نامه۲۰۱۲وزارت علوم، تحقیقات و فناوری - دانشگاه شیراز - دانشکده برق و کامپیوترسید کاوه احمدی ابهری

    دسته بندی یکی از مهمترین فرآیندهای مورد مطالعه در حوزه یادگیری ماشین و داده کاوی است که در برنامه های کاربردی فراوانی از جمله دسته بندی متن، تشخیص پزشکی، بیوانفورماتیک و... مورد استفاده قرار می گیرد. مسائل دسته بندی را می توان براساس تعداد برچسب های منتسب به هر یک از داده ها به د

  • وفقی سازی الگوریتم نزدیکترین همسایه برای دسته بندی داده های جریانی

    پایان‌نامه۲۰۱۱وزارت علوم، تحقیقات و فناوری - دانشگاه شیرازمحمد جواد زمردیان

    امروزه در بسیاری از کاربرد ها، جریان داده به سرعت و در حجم زیاد تولید می شود. یکی از روش های با اهمیت در کاوش داده، دسته بندی آن است. از چالش های مهم دسته بندی جریان داده، تغییر مفهوم داده با گذشت زمان است که نیاز به، به روز رسانی مدل دسته بندی را مطرح می کند. تاکنون بسیاری از رو

  • ارائه یک مدل جدید، برای دسته بندی داده ها، بر پایه الگوریتم مورچگان و منطق فازی

    پایان‌نامه۲۰۱۳وزارت علوم، تحقیقات و فناوری - دانشگاه تبریز - دانشکده ریاضی و کامپیوترسیامک قنبرزاده

    دنیای مدرن در حقیقت دنیای داده گرا است و ما در محاصره ی داده ها قرار گرفته ایم. پیشرفت های شگفت انگیز فناوری رایانه ای و مجهز شدن بشر به این ابزار امکان جمع آوری داده های دقیق و کامل را در زمینه های مختلف فراهم آورده است و منجر به پیدایش ساختارهای داده بسیار حجیم شده است. به طوری

اسناد مشابه

  • دسته بندی داده های جریانی فازی با استفاده از تحلیل پوششی داده ها

    مقالهمدیریت توسعه و تحولامینه توحیدی، دانشجوی کارشناسی ارشد ، دانشگاه آزاد اسلامی، واحد قزوین ،گروه مهندسی صنایع ، قزوین،ایران محمدامین ادیبی، استادیار دانشگاه آزاداسلامی، واحد قزوین،گروه مهندسی صنایع ، قزوین، ایران علیرضا علی نژاد، دانشیار ،دانشگاه آزاد اسلامی، واحد قزوین، گروه مهندسی صنایع، قزوین،ایران

    در این تحقیق یک روش دسته بندی داده های غیرقطعی از نوع فازی که از جمله چالش برانگیزترین حوزه های تحلیل داده محسوب می شود، ارائه شده است. در واقع حجم بالا و پیچیدگی روش های تحلیل داده مانع از توسعه روش هایی جهت تحلیل داده های فازی می شود. با این حال در برخی حوزه های دیگر همچون برنا

  • ویژگی‏ های مشترک قوانین تجربی معروف در علم‏ سنجی: نگاهی از زاویه دسته‏ بندی داده ‏ها براساس توزیع فراوانی

    مقالهمطالعات ملی کتابداری و سازماندهی اطلاعاتمحمد توکلی زاده راوری، استادیار گروه علم اطلاعات و دانش شناسی، دانشگاه یزد فرامرز سهیلی، استادیار گروه علم اطلاعات و دانش شناسی، دانشگاه پیام نور

    هدف: بررسی چهار قانون معروف در حوزه کتاب‏ سنجی و علم‏ سنجی (لوتکا، برادفورد، زیپف، و پرتو) از زاویه دسته‏ بندی داده‏ های آنها براساس توزیع فراوانی. روش‏/ رویکرد پژوهش: روش سندی- تحلیلی. با بررسی داده‏ های مرتبط با قواعد چهارگانه ‏علم ‏سنجی به دسته بندی داده‏ ها براساس توزیع فراوا

  • ویژگی‏‌های مشترک قوانین تجربی معروف در علم‏‌سنجی: نگاهی از زاویه دسته‏‌بندی داده‌‏ها براساس توزیع فراوانی

    مقاله۲۰۱۶مطالعات ملی کتابداری و سازماندهی اطلاعاتفرامرز سهیلی، محمد توکلی‌زاده راوری

    هدف: بررسی چهار قانون معروف در حوزه کتاب‏‌سنجی و علم‏‌سنجی (لوتکا، برادفورد، زیپف، و پرتو) از زاویه دسته‏‌بندی داده‏‌های آنها براساس توزیع فراوانی. روش‏/ رویکرد پژوهش: روش سندی- تحلیلی. با بررسی داده‏‌های مرتبط با قواعد چهارگانه ‏علم‌‏سنجی به‌دسته‌بندی داده‏‌ها براساس توزیع فراوا

  • دسته بندی داده های دورده ای با ابرمستطیل موازی محورهای مختصات

    مقالهفناوری اطلاعات و ارتباطات ایرانزهرا مصلحی، zahra moslehi isfahan university of technologyاصفهان- دانشگاه صنعتی اصفهان- آزمایشگاه شناسایی الگو و محاسبات نرم مازیار پالهنگ، maziar palhang isfahan university of technologyاصفهان- دانشگاه صنعتی اصفهان- آزمایشگاه هوش مصنوعی

    یکی از زمینه های فعالیت در یادگیری ماشین و شناسایی الگو یادگیری با ناظر می باشد. در یادگیری با ناظر برچسب داده های آموزشی موجود است. در مسایل دورده ای، هدف محاسبه فرضیه ای است که بتواند به بهترین شکل ممکن و با کمترین مقدار خطا داده های با دو ردهی مثبت و منفی را از یکدیگر جدا کند.

  • تعیین زون تولیدی به دو روش حد برش و خوشه بندی داده های لاگ در یک مخزن گازی کربناته

    مقاله۲۰۱۵پژوهش نفتحسن باقری، فرهاد خوشبخت

    زون تولیدی در توالی یک چاه، شامل فواصلی از سازند مخزنی است که دارای بالاترین میزان تجمع هیدروکربن است.در مطالعة حاضر که در توالی یک مخزن گازی کربناته صورت گرفت، زون های تولیدی با دو روش کاملا متفاوت مشخص شدند. در روش اول که عموماّ از این روش برای تعیین زون های تولیدی استفاده می ش

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

    مقالهبیماری 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