خرید و دانلود فصل دوم پایان نامه مسائل چندکلاسه و اهمیت آن با فرمت docx در قالب 26 صفحه ورد
تعداد صفحات | 26 |
حجم | 120/620 کیلوبایت |
فرمت فایل اصلی | doc |
اکثر تحقیقات در زمینه یادگیری ماشین متمرکز بر مسائل دوکلاسه هستند. شماری از تکنیکهای موفق و معروف یادگیری ماشین، نظیر طبقهبندیکنندههای تقویتی ، بردارهای پشتیبان [5] و روش RIPPER [6] در اصل برای مسائل دوکلاسه طراحی شدهاند [7]. البته لازم به ذکر است که روش RIPPER با هدف حل مسائل چندکلاسه تعریف شد اما این روش در واقع حاصل ترکیب دو روشREP [8] وIREP [9] میباشد که هر دوی این روشها در حوزهی مسائل دوکلاسه تعریف شدهاند. اما واقعیت این است که بسیاری از مسائل طبقهبندی در دنیای واقعی ابدا دوکلاسه نیستند بلکه متعلق به مسائل چندکلاسه میباشند. احتمال طبقهبندی نادرست در مسائل چندکلاسه بسیار بالاست و این احتمال با بالا رفتن تعداد کلاسها، به سرعت افزایش مییابد [7]. بنابراین واضح است که رسیدن به دقت بالا، در مسائل چندکلاسه، بسیار مشکلتر از مسائل دوکلاسه است.
فهرست مطالب
2-1. مقدمه 8
2-2. اهمیت مسائل چندکلاسه 8
2-3. روشهای BOOSTING 11
2-3-1. مسائل دوکلاسه 13
2-3-2. مسائل چندکلاسه 14
تکنیک های تجزیه کلاسی 15
یکی-در مقابل-همه(OAA) 15
یکی-در مقابل-یکی(OAO) 16
روش P در مقابل Q 17
روشهای Boosting چندکلاسه 18
روش AdaBoost.M2 18
روش AdaBoost.OC 21
روش AdaBoost.ECC 22
2-4. روشهای جمعی سریال 23
2-4-1. دستهبندیکنندهی سریال 24
دستهبندیکنندههای سریال همزمان 28
ساختارهای سریال درختی 30
منابع