Skip Navigation Linksلیست مقالات ترجمه شده / مقالات ترجمه شده مهندسی كامپيوتر /

عنوان ترجمه شده مقاله: چارچوب یادگیری همزمان بر مبنای بهینه سازی ازدحام ذرات به منظور کلاسترینگ (خوشه بندی) و دسته بندی

در این مقاله قصد داریم چارچوب یادگیری همزمان بر مبنای بهینه سازی ازدحام ذرات را به منظور کلاسترینگ و دسته بندی (PSOSLCC) ارائه دهیم.

چکیده

در این مقاله قصد داریم چارچوب یادگیری همزمان بر مبنای بهینه سازی ازدحام ذرات را به منظور کلاسترینگ و دسته بندی (PSOSLCC) ارائه دهیم. در ابتدا، بهینه سازی ازدحام ذرات به منظور بخش بندی نمونه های یادگیری استفاده شده و تعداد کلاستر ها(خوشه ها)  نیز باید از قبل مشخص باشد و اینکه الگوریتم کلاسترینگ یا همان خوشه بندی خودکاری را باید بجای روش آزمون و خطا استفاده مرد تا بتوانیم تعداد مناسبی از خوشه ها را پیدا کنیم و همچنین مجموعه ای از مراکز خوشه بندی را باید از مکانیسم دسته بندی بدست آوریم. دوم اینکه به منظور بهره برداری بهتر از اطلاعات محلی و بدست آوردن نتایج بهینه سازی بهتر، یک فاکتور جهانی به منظور استراتژی بهینه سازی ذرات در pso بکار گرفته میشود. PSOSLCC در مقیاس زیادی  با دسته بند رابطه ای فازی(FRC)، کمی سازی بردار و کمی سازی بردار یادگیری  و شبکه ی عصبی تابع مبنای ریشه ای (RBFNN) که یک چارچوب یادگیری همزمان برای خوشه بندی و دسته بندی چندین مجموعه داده ای می­باشد مورد مقایسه قرار گرفته است. نتایج تجربی حاکی از این است که الگوریتم پیشنهادی نه تنها در مقیاس زیادی پیچیدگی زمانی را کاهش می­دهد، بلکه میزان صحت دسته بندی بهتری را برای بسیاری از مجموعه های داده ای استفاده شده در این مقاله ارائه می­دهد. علاوه بر این، PSOSLCC نیز در اپلیکیشن های دنیای واقعی کاربرد دارد، مانند بخش بندی بافت های تصویر که این نشان می­دهد الگوریتم پیشنهادی این قابلیت را داشته تا مسائل را در مقیاس بزرگ دسته بندی کند.

1-مقدمه

دسته بندی های نظارت شده(نشده) را میتوان هدف اصلی تشخیص الگو دانست[1,2]. چارچوب تشخیص الگو بدین صورت در نظر گرفته شده است: تعریف کلاس های الگو، حس کردن محیط، نمایش الگو، استخراج و انتخاب ویژگی، طراحی و یادگیری دسته بند، انتخاب نمونه های یادگیری و تست و ارزیابی کارائی. بدون شک تشخیص الگو سطح بالایی از نگرانی ها را مطرح ساخته است ، چرا که اهمیت آن در یک سری حوزه ی علمی و مهندسی اعم از پزشکی، علوم کامپیوتر و هوش مصنوعی بدیهی است. در دسته بندی نظارت شده، دسته بند با استفاده از نمونه هایی با برچسب های کلاس طراحی شده است و در ادامه داده هایی با برچسب کلاس نامشخص را دسته بندی می­کند. تا به امروز، تکنیک های زیادی برای چنین دسته بندی هایی توسعه یافته است، مانند رگرسیون خطی و لوجیستیک، درخت تصمیم و دسته بند های  K امین همسایه ی نزدیک[4]، شبکه های عصبی[5] و ماشین های بردار پشتیبانی[6]. این تکنیک ها اثبات کرده اند که می­توانند به سطح خوبی از کارائی دست پیدا کنند. در دسته بندی نظارت نشده(مانند خوشه بندی)، هدف اصلی گروه بندی یک مجموعه از الگوهای فاقد برچسب در کلاستر های معنادار می­باشد که این کار به منظور بازگشایی توزیع کل داده ها، و یا همان نمایش ساختار پنهان داده ها صورت می­گیرد. جدایی از روش های ارائه شده در منابع [1,2]، نوع دیگری از دسته بند ها به وسیله ی بکار گیری اطلاعات ساختاری در داخل شِمای دسته بندی پیشنهاد شده است[7-10].در ابتدا، تحلیل خوشه بندی به منظور کشف ساختار طبیعی داده ها بکار گرفته می­شود. در ادامه، یک دسته بند که بر مبنای اطلاعات ساختار بدست آمده است طراحی می­شود. نتایج نشان میدهد که استفاده از این روش نه تنها توزیع داده ها را نشان میدهد بلکه یادگیری دسته بندی را نیز تا حدی افزایش میدهد. در شبکه ی عصبی تابع مبنای ریشه ای (RBFNN)، نمونه های یادگیری دسته بندی شده تا پارامتر های لایه ی مخفی را با استفاده از C-mean فازی تعیین کنند. از آنجایی که در دسته بند رابطه ای فازی(RFC)، فاز یادگیری شامل دو فاز می­باشد. در ابتدا، خوشه بندی بر روی نمونه های آموزشی اجرا شده و سپس ماتریس رابطه ای بین خوشه ها و سپس برچسب های کلاس ها ایجاد میشود. این ماتریس بجای تابع بهینه سازی، به وسیله ی یک سری عملگر ایجاد می­شود....

میتوانید از لینک ابتدای صفحه، مقاله انگلیسی را رایگان دانلود فرموده و چکیده انگلیسی و سایر بخش های مقاله را مشاهده فرمایید.


موسسه ترجمه البرز اقدام به ترجمه مقاله " مهندسی كامپيوتر " با موضوع " چارچوب یادگیری همزمان بر مبنای بهینه سازی ازدحام ذرات به منظور کلاسترینگ (خوشه بندی) و دسته بندی " نموده است که شما کاربر عزیز می توانید پس از دانلود رایگان مقاله انگلیسی و مطالعه ترجمه چکیده و بخشی از مقدمه مقاله، ترجمه کامل مقاله را خریداری نمایید.
عنوان ترجمه فارسی
چارچوب یادگیری همزمان بر مبنای بهینه سازی ازدحام ذرات به منظور کلاسترینگ (خوشه بندی) و دسته بندی
نویسنده/ناشر/نام مجله :
PatternRecognition
سال انتشار
2014
کد محصول
1000956
تعداد صفحات انگليسی
10
تعداد صفحات فارسی
22
قیمت بر حسب ریال
1,314,500
نوع فایل های ضمیمه
pdf+word
حجم فایل
1 مگا بایت
تصویر پیش فرض


این مقاله ترجمه شده را با دوستان خود به اشتراک بگذارید
سایر مقالات ترجمه شده مهندسی كامپيوتر را مشاهده کنید.
کاربر عزیز، بلافاصله پس از خرید مقاله ترجمه شده مقاله ترجمه شده و با یک کلیک می توانید مقاله ترجمه شده خود را دانلود نمایید. مقاله ترجمه شده خوداقدام نمایید.
جهت خرید لینک دانلود ترجمه فارسی کلیک کنید
جستجوی پیشرفته مقالات ترجمه شده
برای کسب اطلاعات بیشتر، راهنمای فرایند خرید و دانلود محتوا را ببینید
هزینه این مقاله ترجمه شده 1314500 ریال بوده که در مقایسه با هزینه ترجمه مجدد آن بسیار ناچیز است.
اگر امکان دانلود از لینک دانلود مستقیم به هر دلیل برای شما میسر نبود، کد دانلودی که از طریق ایمیل و پیامک برای شما ارسال می شود را در کادر زیر وارد نمایید


این مقاله ترجمه شده مهندسی كامپيوتر در زمینه کلمات کلیدی زیر است:






Classification
Particle swarm optimization
Clustering
Image segmentation
Global factor

تاریخ انتشار در سایت: 2014-06-06
جستجوی پیشرفته مقالات ترجمه شده

خدمات ترجمه تخصصی و ویرایش مقاله مهندسی كامپيوتر در موسسه البرز

نظرتان در مورد این مقاله ترجمه شده چیست؟

ثبت سفارش جدید