دانلود ترجمه مقاله انتخاب دسته بندهای تجمعی توسط معیار مهارت و تنوع - مجله الزویر

قیمت خرید این محصول

۱۵,۰۰۰ تومان

دانلود رایگان نمونه دانلود مقاله انگلیسی

عنوان فارسی

انتخاب بهینه دسته بندهای تجمعی با استفاده از معیارهای مهارت و تنوع دسته بندهای پایه

عنوان انگلیسی

Optimal selection of ensemble classifiers using measures of competence and diversity of base classifiers

صفحات مقاله فارسی

20

صفحات مقاله انگلیسی

7

سال انتشار

2013

نشریه

الزویر - Elsevier

فرمت مقاله انگلیسی

PDF

فرمت ترجمه مقاله

ورد تایپ شده

رفرنس

دارد

کد محصول

3161

وضعیت ترجمه عناوین تصاویر و جداول

ترجمه شده است

وضعیت ترجمه متون داخل تصاویر و جداول

ترجمه نشده است

وضعیت فرمولها و محاسبات در فایل ترجمه

به صورت تصویر درج شده است

رشته های مرتبط با این مقاله

مهندسی کامپیوتر

گرایش های مرتبط با این مقاله

نرم افزار و معماری سیستم های کامپیوتری

مجله

سیستم و شبکه های کامپیوتری

دانشگاه

لهستان

کلمات کلیدی

انتخاب دسته جمعی پویا، مهارت دسته بند، معیار تنوع، آنیلینگ شبیه سازی شده

۰.۰ (بدون امتیاز)

امتیاز دهید

فهرست مطالب

چکیده

۱ مقدمه

۲ چارچوب نظری

۱ ۲ مقدمات
۲ ۲ دسته بند مرجع تصادفی – RRC
۳ ۲ مهیار مهارت دسته بند
۴ ۲ معیار تنوع مجموعه دسته بندها

۳ سیستم های انتخاب دسته جمعی پویا

۱ ۳ سیستم DES-CD d-opt
۲ ۳ سیستم DES-CD c-opt
۳ ۳ حل مسائل بهینه سازی

۴ آزمایشات

۱ ۴ پایگاههای داده و راه اندازی آزمایش
۲ ۴ آزمایش ۱
۳ ۴ آزمایش ۲
۴ ۴ نتایج و بحث

۵ نتیجه گیری

نحوه خرید نسخه پاورپوینت این مقاله

اگر مایل به تهیه نسخه پاورپوینت مقاله انتخاب بهینه دسته بندهای تجمعی با استفاده از معیارهای مهارت و تنوع دسته بندهای پایه هستید اینجا کلیک نمایید. همچنین برای خرید مقاله ورد از دکمه های زیر استفاده نمایید.

نمونه چکیده متن اصلی انگلیسی

Abstract

In this paper, a new probabilistic model using measures of classifier competence and diversity is proposed. The multiple classifier system (MCS) based on the dynamic ensemble selection scheme was constructed using both developed measures. Two different optimization problems of ensemble selection are defined and a solution based on the simulated annealing algorithm is presented. The influence of minimum value of competence and diversity in the ensemble on classification performance was investigated. The effectiveness of the proposed dynamic selection methods and the influence of both measures were tested using seven databases taken from the UCI Machine Learning Repository and the StatLib statistical dataset. Two types of ensembles were used: homogeneous or heterogeneous. The results show that the use of diversity positively affects the quality of classification. In addition, cases have been identified in which the use of this measure has the greatest impact on quality.

نمونه چکیده ترجمه متن فارسی

چکیده:
در این مقاله، یک مدل احتمالی جدید با استفاده از معیارهای مهارت و تنوع دسته بند پیشنهاد شده است. سیستم چند دسته بند یا دسته بند چندگانه (MCS) بر اساس طرح انتخاب دسته جمعی پویا با استفاده از هر دو معیار توسعه یافته، ساخته شد، دو مشکل بهینه سازی انتخاب دسته جمعی تعریف و راه حلی مبتنی بر الگوریتم آنیلینگ شبیه سازی شده مطرح شده است، تاثیر حداقل مقدار مهارت و تنوع در مجموعه بر عملکرد دسته بندی مورد پژوهش قرار گرفت، اثربخشی روشهای انتخاب پویای پیشنهاد شده و تاثیر هر دو معیار با استفاده از هفت پایگاه داده اقتباس شده از مخزن یادگیری ماشینی UCI و مجموعه داده های آماری StatLib تست گردید. ازدو تیپ مجموعه استفاده گردید: همگن و ناهمگن. نتایج بدست آمده نشان می دهد که استفاده از تنوع اثر مثبتی بر کیفیت دسته بندی اعمال می نماید. به علاوه، مواردی شناسایی شده است که در آنها استفاده از این معیار بیشترین تاثیر را بر کیفیت دارد.