پایان‌نامه

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

چکیده

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 مجموعه داده ی آموزش، علاوه بر کاهش پیچیدگی محاسباتی طبقه بندی ترکیبی دقت قابل قبولی را نیز ارائه دهد. در این روش ابتدا طبقه بندهای پایه بوسیله ی بخشی از مجموعه داده ورودی آموزش داده می شوند و سپس با استفاده از برچسب تعیین شده توسط طبقه بندهای پایه برای بخش دیگری از مجموعه داده ورودی، خوشه ها ایجاد می شوند. درنهایت نمونه های موجود در خوشه ها، خوشه ای که هر نمونه به آن تعلق دارد به همراه فاصله هر نمونه تا مرکز تمام خوشه ها به عنوان ورودی به یک شبکه عصبی مصنوعی داده می شوند و برچسب کلاس نهایی داده تست توسط این شبکه عصبی تعیین می شود. مقایسه کارایی روش پیشنهادی با چند روش طبقه بندی ترکیبی دیگر نشان می دهد که روش پیشنهادی زمان اجرای فاز تست کمتری نسبت به سایر روش ها دارد و همچنین در مجموع دقت قابل قبولی را ارائه داد.

اساتید راهنما و مشاور

محمدرضا زارع میرک اباد، مهدی رضائیان

پایان‌نامه‌های مشابه

  • 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 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

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

    پایان‌نامه۲۰۱۲وزارت علوم، تحقیقات و فناوری - دانشگاه شیراز - دانشکده مهندسی برق و کامپیوترزهرا یگانه فرد

    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، تاثیرا

  • دسته بندی پروتئین ها با استفاده از روش های کرنل و خواص شیمیایی آمینواسیدها

    پایان‌نامه۲۰۱۲وزارت علوم، تحقیقات و فناوری - دانشگاه اصفهان - دانشکده فنیمعین پیریایی

    پروتئین ها نقش مهمی در بسیاری از فرآیندهای حیاتی ایفا می کنند. پروتئین ها مولکول های پیچیده ای هستند که از توالی بیست آمینواسید مختلف تشکیل یافته اند. ساختار اول در پروتئین ها همین توالی خطی آمینواسید های خاص در آنها می باشد. دانستن ساختار و کار پروتئین ها دارای کاربرد های مختلفی

  • دسته بندی داده های مکانی به منظور مدیریت توسعه مناطق شهری با استفاده از الگوریتم moses

    پایان‌نامه۲۰۱۴وزارت علوم، تحقیقات و فناوری - دانشگاه صنعتی اصفهان - دانشکده برق و کامپیوترامیرحسین گودرزی

    اطلاعات مکانی یکی از مهمترین و حساس ترین عوامل تصمیم گیری و بخصوص تصمیم گیری های اجتماعی، اقتصادی و سیاسی در زندگی امروزه می باشند. به همین دلیل بسیاری از نیازها، اهداف و فعالیتهای سازمانهای مختلف به استفاده از دانش به دست آمده از داده های مکانی وابسته اند. این موضوع به خصوص برای

  • دسته بندی هواویزهای جوی با استفاده از داده های قطبیده شیدسنج خورشیدی

    پایان‌نامه۲۰۱۳وزارت علوم، تحقیقات و فناوری - دانشگاه تحصیلات تکمیلی علوم پایه زنجان - دانشکده علوم پایهعلی بیات

    هواویزها ذرات ریز جامد یا مایع معلق در هوا هستند که ابعادشان بین چند نانومتر تا چند ده میکرومتر است. هواویزها از دو منشأ طبیعی و انسانی وارد جو زمین می شوند. وزش باد در صحراها، تبخیر آب اقیانوس ها و دریاها، فوران آتشفشان ها و سوختن جنگل ها و مراتع از منابع طبیعی و سوزاندن سوخت ها

اسناد مشابه

  • دسته بندی اهداف سوناری با استفاده از روش ترکیبی ازدحام ذرات و جستجوی گرانشی

    مقالهدریا فنونسید محمدرضا موسوی، استاد دانشکده مهندسی برق، دانشگاه علم و صنعت ایران محمد خویشه، دانشجوی دکتری دانشکده مهندسی برق، دانشگاه علم و صنعت ایران آلاوه مریدی، دانشجوی کارشناسی ارشد دانشکده مهندسی برق، دانشگاه علم و صنعت ایران محمدجعفر ناصری

    با توجه به خصوصیات فیزیکی بسیار نزدیک اهداف واقعی و کلاترِ سونار فعال، تفکیک این اهداف، از موضوعات چالش برانگیز محققان و صنعت گران حوزه آکوستیک می باشد. شبکه های عصبی چندلایه (mlp) یکی از پرکاربردترین شبکه های عصبی در دسته بندی اهداف دنیای واقعی هستند. آموزش از مهمترین بخش های تو

  • 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

  • دسته بندی اهداف سوناری با استفاده از روش ترکیبی ازدحام ذرات و جستجوی گرانشی

    با توجه به خصوصیات فیزیکی بسیار نزدیک اهداف واقعی و کلاترِ سونار فعال، تفکیک این اهداف، از موضوعات چالش‌برانگیز محققان و صنعت‌گران حوزه آکوستیک می‌باشد. شبکه‌های عصبی چندلایه (MLP) یکی از پرکاربردترین شبکه‌های عصبی در دسته‌بندی اهداف دنیای واقعی هستند. آموزش از مهمترین بخش‌های تو

  • دسته بندی اهداف سوناری با استفاده از روش omkc

    مقاله۲۰۱۵فصلنامه علوم و فناوری دریاسید محمدرضا موسوی میرکلایی، محمد خویشه، حسین حردانی

    با توجه به خصوصیات فیزیکی پیچیده ی اهداف سوناری، طبقه بندی و تمیز دادن اهداف واقعی از اهداف کاذب یکی از زمینه های دشوار و پیچیده برای محققان و صنعتگران این حوزه است. با توجه به این ویژگی های اهداف سوناری، روش های هوشمند در دسته بندی این نوع دادگان دارای توانایی های منحصر به فردی

  • دسته بندی پرسش ها با استفاده از ترکیب دسته بندها

    مقالهپردازش علائم و داده هاهادی قائمی، hadi ghaemi ferdowsi university of mashhad (fum) campus, azadi sq., mashhad, khorasan razavi, iran. 9177948974آزمایشگاه فناوری وب معنایی دانشگاه فردوسی مشهد،مشهد،ایران محسن کاهانی، mohesn kahani ferdowsi university of mashhad (fum) campus, azadi sq., mashhad, khorasan razavi, iran. 9177948974آزمایشگاه فناوری وب معنایی دانشگاه فردوسی مشهد،مشهد،ایران

    هدف از تولید و گسترش سیستم های پرسش و پاسخ، ایجاد پاسخ دقیق برای پرسش داده شده به زبان طبیعی می باشد. یکی ازمهم ترین بخش های سیستم های پرسش و پاسخ دسته بندی پرسش است. عمل دسته بندی پرسش، پیش بینی نوع پاسخ مورد نیاز برای پرسش داده شده به زبان طبیعی می باشد. کارهای انجام شده در این

  • پیش بینی وقوع امواج سهمگین مبتنی بر متغیرهای هواشناسی با استفاده از روش ترکیبی الگوریتم ضریب داده پرت محلی و شبکه عصبی دسته بندی کننده

    مقاله۲۰۲۰مهندسی دریاکیومرث محمودی، حسن قاسمی، ابوالحسن رزمی نیا

    به دلیل ماهیت پیچیده تصادفی و غیر خطی امواج، پیشبینی وقوع امواج سهمگین دشوار است. پیشبینی وقوع امواج سهمگین میتواند تا حد زیادی از بروز خسارات جانی و مالی بکاهد. هدف از این تحقیق ارائه یک روش ترکیبی برای پیشبینی وقوع امواج سهمگین از روی متغیرهای هواشناسی با استفاده از روشهای داده